文献

J-GLOBAL ID：201802265537908602   整理番号：18A2231828

ランダムフォレストを用いた効率的な細胞画像分類のための局所および深部特徴の学習【JST・京大機械翻訳】

Learning Local and Deep Features for Efficient Cell Image Classification Using Random Forests

著者 (5件)： Oraibi Zakariya A. (Department of Electrical Engineering and Computer Science University of Missouri-Columbia, MO, 65211, USA) ,  Yousif Hayder (Department of Electrical Engineering and Computer Science University of Missouri-Columbia, MO, 65211, USA) ,  Hafiane Adel (INSA Centre Val de Loire, Universite ́ d’Orle ́ans, PRISME EA 4229, Bourges, F-18022, France) ,  Seetharaman Guna (Advanced Computing Concepts/LTD, Naval Research Laboratory, USA) ,  Palaniappan Kannappan (Department of Electrical Engineering and Computer Science University of Missouri-Columbia, MO, 65211, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ICIP  ページ： 2446-2450  発行年： 2018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： ヒト上皮(HEp-2)細胞標本の間接免疫蛍光(IIF)標識のための自動画像分類システムは,自己免疫疾患の効率的な管理を改善するために必要である。本論文では,IIF画像から抽出された局所特徴と深い学習特徴の組合せを用いて,HEp-2細胞標本画像を分類することを提案した。二つの局所記述子を用いて,テクスチャ情報を獲得した。すなわち,LBPディスクリプタを拡張する局所二値パターン(RIC-LBP)の間の回転不変Co発生と,Peano走査モチーフ概念に基づくJoint Motiffラベル(JML)である。次に,深い学習特徴を,VGG-19画像分類ネットワークを用いて抽出した。最後に,すべての記述子を,7つの出力クラスを有するランダムフォレスト(RF)分類器を有する後期融合方式を用いて結合した。実験結果は,提案したフレームワークが,HEp-2標本ベンチマークデータセット上の1000個のツリーを有するRF分類器を用いた5回交差検証により92.11%の平均クラス精度を達成し,このデータセット上の最先端精度を上回ることを示した。Copyright 2019 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  ネットワーク ,  上皮 ,  統制索引語 ,  ヒト ,  不変性 ,  蛍光 ,  *画像 ,  走査 ,  自己免疫病
準シソーラス用語： 最先端 ,  質感 ,  局所特徴 ,  *画像分類 ,  *ランダムフォレスト , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： ランダムフォレスト ,  細胞画像 ,  分類 ,  深部 ,  学習