文献

J-GLOBAL ID：201902256788619708   整理番号：19A2499765

超音波画像のための人工神経回路網とマルチカーネルk平均クラスタリングを用いた腎臓病検出とセグメンテーション【JST・京大機械翻訳】

Kidney disease detection and segmentation using artificial neural network and multi-kernel k-means clustering for ultrasound images

著者 (5件)： Nithya A. (Department of ECE, Vaagdevi College of Engineering, Telangana, India) ,  Appathurai Ahilan (Department of ECE, Infant Jesus College of Engineering, Tuticorin, India) ,  Venkatadri N. (Department of CSE, Teegala Krishna Reddy Engineering College, Meerpet, Hyderabad, India) ,  Ramji D.R. (Department of ECE, Vaagdevi College of Engineering, Telangana, India) ,  Anna Palagan C. (Department of ECE, Teegala Krishna Reddy Engineering College, Meerpet, Hyderabad, India)
資料名： Measurement  (Measurement)
巻： 149  ページ： Null  発行年： 2020年 
JST資料番号： W0315B  ISSN： 0263-2241  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： 本論文の主目的は,クラスタリングと分類アプローチの組合せを用いて,腎臓病検出とセグメンテーションのためのアプローチを設計し,開発することである。今日,腎臓結石検出とセグメンテーションは,超音波画像のための外科的および治療計画における重要な手順の1つである。しかしながら,現在,超音波画像における腎臓結石のセグメンテーションは,臨床診療において人手で行われている。時間がかかるとは別に,手動の結石描写は困難であり,個々のオペレータに依存する。したがって,本研究では,人工ニューラルネットワークを用いた腎臓結石検出とマルチカーネルk-平均クラスタリングアルゴリズムを用いたセグメンテーションを提案した。通常,システムは,(i)前処理,(ii)特徴抽出,(iii)分類,(iv)セグメンテーションの4つのモジュールから成る。主に,メディアンフィルタを用いて入力画像に存在する雑音を除去した。次に,画像から重要なGLCM特徴を抽出した。その後,画像をニューラルネットワーク分類器を用いて正常または異常として分類した。最後に,異常画像を分割段階に与えて,マルチを用いて別々に結石と腫瘍部分を分割した。カーネルK平均クラスタリングアルゴリズム。実験結果は,線形+二次ベースのセグメンテーションとして提案したシステムが最大精度99.61%を達成し,他のすべての方法と比較していることを示した。Copyright 2019 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： *超音波画像 ,  腫瘍 ,  *画像 ,  オペレータ ,  腎結石 ,  *セグメンテーション ,  外科学 ,  前処理 ,  *クラスタ化 ,  治療計画 ,  雑音 ,  結石 ,  *ニューラルネットワーク
準シソーラス用語： 同時生起行列 ,  診療 , 【Automatic Indexing@JST】

著者キーワード (7件)： 超音波画像 ,  ニューラルネットワーク ,  マルチカーネルk平均クラスタ化 ,  GLCMの特徴 ,  セグメンテーション ,  分類 ,  バイラテラルフィルタ

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  長さ,面積,断面,体積,容積,角度の計測法・機器  (AD05020O)

タイトルに関連する用語 (8件)： 音波画像 ,  人工神経回路網 ,  マルチ ,  カーネル ,  平均 ,  クラスタリング ,  腎臓病 ,  セグメンテーション