文献

J-GLOBAL ID：201802255390610516   整理番号：18A2075685

周波数領域に基づく構造共起行列を用いた脳卒中の神経学者レベル分類【JST・京大機械翻訳】

Neurologist-level classification of stroke using a Structural Co-Occurrence Matrix based on the frequency domain

著者 (2件)： Peixoto Solon Alves (Programa de Pos-Graduacao em Ciencia da Computacao, Instituto Federal de Educacao, Ciencia e Tecnologia do Ceara, Brazil) ,  Reboucas Filho Pedro Pedrosa (Programa de Pos-Graduacao em Ciencia da Computacao, Instituto Federal de Educacao, Ciencia e Tecnologia do Ceara, Brazil)
資料名： Computers and Electrical Engineering  (Computers and Electrical Engineering)
巻： 71  ページ： 398-407  発行年： 2018年 
JST資料番号： D0546B  ISSN： 0045-7906  CODEN： CPEEBQ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文は,脳のコンピュータ断層撮影画像の主周波数から抽出された構造共起行列(SCM)を用いて,出血性および虚血性脳卒中を自動的に分類するための新しいアプローチを提示する。この手法の主な利点は,画像のみをパラメータとして用いることである。特異性,感度,陽性予測値,Fスコア,調和平均,および精度を,SCMの効率を評価するための計量として使用した。SCMを局所二値パターン,グレイレベル共起行列,Huの不変モーメント,およびヒト組織密度パターンに基づく特徴抽出法と比較した。サポートベクトルマシン,多層パーセプトロン,最小学習機械および線形判別分析を含む複数の機械学習分類装置を用いた。結果は,周波数領域におけるSCMが自動的にストロークの最も判別構造情報を抽出することができて,付加的パラメータの必要なしで良い結果を得ることができることを示した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 計算機トモグラフィー ,  分類装置 ,  *周波数 ,  機械学習 ,  ヒト ,  多層パーセプトロン ,  特徴抽出 ,  画像 ,  モーメント ,  *周波数領域 ,  サポートベクトルマシン ,  不変性 ,  *脳卒中
準シソーラス用語： 特異性 ,  *共起行列 , 【Automatic Indexing@JST】

著者キーワード (4件)： 脳卒中 ,  画像分類 ,  構造共起行列 ,  機械学習

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

タイトルに関連する用語 (5件)： 周波数領域 ,  共起行列 ,  脳卒中 ,  神経学 ,  分類