文献

J-GLOBAL ID：201902221453127712   整理番号：19A0044650

Fisherベクトルと混合記述子に基づく胎盤成熟度分類【JST・京大機械翻訳】

Placental Maturity Grading via Hybrid Descriptors and Fisher Vector

著者 (6件)： Jiang Feng (深zhen大学生物医学工程学院,广東省生物医学信息検測和超声成像重点実験室,广東深zhen518060) ,  Ni Dong (深zhen大学生物医学工程学院,广東省生物医学信息検測和超声成像重点実験室,广東深zhen518060) ,  Chen Siping (深zhen大学生物医学工程学院,广東省生物医学信息検測和超声成像重点実験室,广東深zhen518060) ,  Yao Yuan (深zhen婦幼保健院超声科,南方医科大学附属医院,广東深zhen518060) ,  Wang Tianfu (深zhen大学生物医学工程学院,广東省生物医学信息検測和超声成像重点実験室,广東深zhen518060) ,  Lei Baiying (深zhen大学生物医学工程学院,广東省生物医学信息検測和超声成像重点実験室,广東深zhen518060)
資料名： Zhongguo Shengwu Yixue Gongcheng Xuebao  (Zhongguo Shengwu Yixue Gongcheng Xuebao)
巻： 37  号： 5  ページ： 521-528  発行年： 2018年 
JST資料番号： C2256A  ISSN： 0258-8021  CODEN： ZSYXEI  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 胎盤成熟度分類(PMG)は胎児の成長と妊婦の健康評価にとって極めて重要である。現在、PMGは主に臨床医の主観的判断に頼り、十分消耗するだけでなく、仕事の重複性と冗長性のため、しばしば誤判断が生じる。伝統的機械学習で使われる手動特徴抽出法は,PMGの分級問題をうまく解決できないので,B-超音波画像とカラードップラーエネルギー画像からの深さ混合記述子の抽出は,胎盤の熟成度の自動等級付けの方法を提示することができるので,それは,従来の機械学習法の利用に失敗するだろう。デコンボリューションニューラルネットワークから畳み込み特性を抽出し,そして,次に,ハイブリッド記述子を手作業特性と結合することによって,モデル性能を改善した。最初に,多重特性層の異なるモデルを融合し,混合記述子を画像から得た。同時に、深度表現特徴を考慮し、遷移学習戦略を用いて分級性能を強化した。次に,抽出した記述子をFisherベクトル(FV)によって符号化した。最後に,サポートベクターマシン(SVM)分類装置を使用して,胎盤の熟成度を分類した。医師のラベル付きデータでテストを行い、19層のネットワークに基づく混合特徴模型は94.15%までの精度を獲得し、単一使用の手作業特徴模型より3.01%向上し、CNN特徴模型より7.35%向上した。実験結果は,提案した方法が胎盤熟成度の自動分類に効果的に適用できることを証明した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】

シソーラス用語： サポートベクトルマシン ,  機械学習 ,  *胎盤 ,  分級 ,  デコンボリューション ,  *ベクトル ,  胎児 ,  ニューラルネットワーク ,  自動分類 ,  等級づけ ,  医師 ,  特徴抽出 ,  超音波画像 ,  ネットワーク ,  畳込み

分類 (4件)： 生体計測・解析一般  (EL03010R) ,  臨床診断学  (GC03003G) ,  医学的検査一般  (GC02010L) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (5件)： ベクトル ,  記述子 ,  胎盤 ,  成熟度 ,  分類