文献

J-GLOBAL ID：201802238397819263   整理番号：18A1864861

強化された画像マイニング技術を用いた子宮線維の同定:改善された消防士のHausdorff距離による生物学にヒントを得た異種遺伝学に基づく極端学習神経回路網分類【JST・京大機械翻訳】

Identification of Uterine Fibroids using Enhanced Image Mining Techniques: Bio-Inspired Xenogenetic Based Extreme Learning Neural Network Classification with Improved Fireflies Hausdorff Distance

著者 (2件)： Sasikumar D. (Department of Computer Science and Engineering, Knowledege Institute of Technology, Kiot Campus, Salem-637 504, Tamil Nadu, India) ,  Rajendran P. (Department of Computer Science and Engineering, Knowledege Institute of Technology, Kiot Campus, Salem-637 504, Tamil Nadu, India)
資料名： Current Medical Imaging  (Current Medical Imaging)
巻： 14  号： 5  ページ： 822-830  発行年： 2018年 
JST資料番号： W3597A  ISSN： 1573-4056  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 不明 (ARE)  言語： 英語 (EN)

抄録/ポイント： 背景:子宮線維症は子宮の筋肉壁における一般的な非癌細胞増殖であり,これらはいかなる症状も生じないが,これらの線維のサイズと位置は,月経の間の疼痛と重い出血のような女性に対するいくつかの問題をもたらす。多くのアルゴリズムが開発されており,それぞれの利点と欠点がある。しかし,どのアルゴリズムも,線維の同定において100%の精度に達していない。【方法】提案したシステムは,磁気共鳴画像(MRI)とBio Inspired Xenogenetic based Extreme学習ニューラルネットワーク(BIXELNN)分類アルゴリズムを使用することによって,線維を同定する。最初に,雑音を除去するために,MRI画像に適応性のあるMedianフィルタリング技術(AMF)を適用した。改良されたマルチスケールセグメンテーションを用いて,画像を異なる領域に分割した。セグメント化領域から,形状,強度,およびテクスチャ特徴を抽出して,次に,Hausdorff距離(IFHD)を有する改良Firerefアルゴリズムを適用して,分類プロセスのためにそれらの特徴を最適化した。結論:最終的に,分類はBIXELNNを使用することによって実行され,他のアプローチより高い精度,すなわち97.3%を達成する。Copyright 2018 Bentham Science Publishers All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 疼痛 ,  *子宮 ,  *学習 ,  雑音 ,  セグメンテーション ,  アルゴリズム ,  ニューラルネットワーク ,  特徴抽出 ,  NMRイメージング ,  *神経回路網 ,  腫瘍細胞 ,  最適化 ,  *画像 ,  フィルタリング
準シソーラス用語： マルチスケール , 【Automatic Indexing@JST】

著者キーワード (7件)： 子宮線維症 ,  適応メディアンフィルタ ,  画像セグメンテーション ,  特徴抽出 ,  特徴選択 ,  分類 ,  生物にヒントを得た異種遺伝ベースの極端学習神経回路網

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (12件)： 強化 ,  画像マイニング ,  子宮 ,  同定 ,  消防士 ,  Hausdorff距離 ,  生物学 ,  ヒント ,  遺伝 ,  学習 ,  神経回路網 ,  分類