文献

J-GLOBAL ID：201902231741752249   整理番号：19A1936856

キュムラント特徴に基づくMRI画像からの脳腫瘍分類【JST・京大機械翻訳】

Brain Tumor Classification from MRI Images Based on Cumulant Features

著者 (3件)： Kalbkhani Hashem (Faculty of Electrical Engineering, Urmia University of Technology, Urmia, Iran) ,  Shayesteh Mahrokh G. (Department of Electrical Engineering, Urmia University, Urmia, Iran) ,  Rashidi Arash (Faculty of Electrical and Computer Engineering, Islamic Azad University Science and Research Branch, Tehran, Iran)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICEE  ページ： 1746-1750  発行年： 2019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： 人工知能法を用いた脳磁気共鳴(MR)画像の自動分類は,医療診断において重要な役割を有する。キュムラントは強力で効率的な高次統計である。本論文では,脳の病変を決定するための効率的なキュムラントに基づく方法を提案した。提案した方法において,脳MR画像の最初の一レベル二次元離散ウェーブレット変換を計算し,次に各サブバンドのキュムラントを計算し,一次特徴ベクトルを得た。次に,線形判別分析を用いて,一次特徴から識別特徴を抽出した。サポートベクトルマシン分類器を用いて,MR画像が正常であるか,または7つの異なる疾患のうちの1つかに悩まされるかどうかを決定した。さらに,別の分類問題において,MR画像は正常または異常に分類される。結果は,キュムラントが異なる脳MR画像の分類に非常に効果的であることを示した。提案したアルゴリズムは,両分類問題において高い正しい分類率を達成した。最近提案されたアルゴリズムとの比較は,提案方法がより良い性能とより低い計算複雑性を有することを実証した。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： 自動分類 ,  アルゴリズム ,  人工知能 ,  磁気共鳴 ,  *キュムラント ,  *NMRイメージング ,  *画像 ,  計算量 ,  二次元 ,  *脳腫瘍 ,  サポートベクトルマシン
準シソーラス用語： 特徴ベクトル ,  サブバンド ,  離散ウェーブレット変換 ,  病巣 , 【Automatic Indexing@JST】

分類 (2件)： 医用画像処理  (JE04020T) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： キュムラント ,  MRI画像 ,  脳腫瘍 ,  分類