文献

J-GLOBAL ID：201802238927205377   整理番号：18A0519363

画像処理と機械学習を用いた白血病とその型の検出【Powered by NICT】

Detection of leukemia and its types using image processing and machine learning

著者 (2件)： Jagadev Preeti (ETC Department, Goa College of Engineering, Goa, India) ,  Virani H.G. (ETC Department, Goa College of Engineering, Goa, India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICOEI  ページ： 522-526  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 白血病(血液癌)は,骨髄で始まり,多数異常細胞の形成を引き起こす。白血病知られている最も一般的なタイプは急性リンパ芽球性白血病(ALL),急性骨髄性白血病(AML),慢性リンパ性白血病(CLL)と慢性骨髄性白血病(CML)である。本論文は,画像処理技術を用いた白血病検出のための方法論を考案する努力をし,検出プロセスを自動化。データセットは,白血病と非白血病患者の220血液塗抹標本画像の構成を用いた。使用されている画像分割アルゴリズムはK平均クラスタリングアルゴリズム,マーカー制御流域アルゴリズムとH SV色ベースのセグメンテーションアルゴリズムである。正常および白血病リンパ球の形態学的成分は有意に異なる,さまざまな特徴をセグメント化リンパ球画像から抽出した。白血病は,SVM分類器を利用してその種類とサブタイプに分類される,機械学習分類器である。本論文は白血病の検出を目的とし,AML,CML,CLLまたはALLであるかどうかを決定する研究の分野でさらに一歩分類プロセスを,従来の方法の大部分は白血病の検出に限定され又は1個又は二個のサブタイプに分類されている。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 急性骨髄性白血病 ,  アルゴリズム ,  異常細胞 ,  自動化 ,  *画像処理 ,  *機械学習 ,  慢性骨髄性白血病 ,  モルフォロジー ,  *画像 ,  セグメンテーション ,  リンパ球 ,  *白血病 ,  骨髄 ,  患者
準シソーラス用語： 画像セグメンテーション , 【Automatic Indexing@JST】

分類 (1件)： 血液の腫よう  (GK04000M)

タイトルに関連する用語 (4件)： 画像処理 ,  機械学習 ,  白血病 ,  型