文献

J-GLOBAL ID：201802269232656314   整理番号：18A0382956

不均一データ解析:医用画像ベース診断のためのオンライン学習【Powered by NICT】

Heterogeneous data analysis: Online learning for medical-image-based diagnosis

著者 (3件)： Motai Yuichi (Virginia Commonwealth University, USA) ,  Siddique Nahian Alam (Virginia Commonwealth University, USA) ,  Yoshida Hiroyuki (Massachusetts General Hospital and Harvard Medical School, USA)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 63  ページ： 612-624  発行年： 2017年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 不均一データ解析(HDA)はコンピュータ断層撮影コロノグラフィー(CTC)の医用画像データベースの学習問題を解決するために提案した。データベースはコンピュータ支援検出(CAD)システムを用いた臨床CTC画像であり,その目標は,大腸ポリープの高精度,マシンベース検出を提供することにより,CTC画像の放射線科医の解釈を支援することであるから発生させた。は臨床的に現実的な文脈,新しい患者の付加的なCTC例は既存のデータベースに規則的に添加されるにおけるCADにおいて高い検出精度を達成することを目的とする。これに関連して,CAD性能は多種多様であり,異なる患者集団の添加によるデータベースに持ち込まれた不均一性情報を利用することにより改善できる。HDAでは,データ適合性のいくつかの定量的基準は,これらのオンライン画像の効率的な管理のために提案した。初期教師付きオフライン学習段階の後,提案したオンライン学習法は,オンラインデータが均一か不均一か決定する。,我々が以前開発した主複合カーネル特徴解析(PC KFA)は非直線的に形質転換した試料の分散を最大化することにより高次元特徴空間の線形部分空間の反復的構築のためのオンラインデータ,HDAと管理,に適用した。実験結果はオンラインPC KFAを用いて,長期連続オンラインデータセットの精度測度に基づいたとき,データ適合性の有意な改善が得られたことを示した。計算時間は,オフライン訓練のそれと比較してオンライン訓練で93%以上減少した。Copyright 2018 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *医用画像 ,  *画像 ,  データベース ,  線形性 ,  *データ解析 ,  *学習 ,  高次元 ,  患者 ,  CPU時間 ,  測度
準シソーラス用語： 部分空間 ,  特徴空間 ,  *オンライン ,  高精度 ,  *オンライン学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： オンライン学習 ,  コンピュータ断層撮影コロノグラフィ ,  不均一データ解析 ,  カーネル特徴解析 ,  コンピュータ支援検出 ,  主複合カーネル特徴解析

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 不均一 ,  データ解析 ,  医用画像 ,  診断 ,  オンライン学習