文献

J-GLOBAL ID：201902267233245846   整理番号：19A1624767

マルチスケール特徴に基づく乳房撮影画像における自動マイクロ石灰化検出のためのハイブリッドELM【JST・京大機械翻訳】

A Hybridized ELM for Automatic Micro Calcification Detection in Mammogram Images Based on Multi-Scale Features

著者 (2件)： Melekoodappattu Jayesh George (Department of Electronics and Communication Engineering, Vimal Jyothi Engineering College, Kannur, Kerala, India) ,  Subbian Perumal Sankar (Department of Electronics and Communication Engineering, Toc H Institute of Science and Technology, Ernakulam, Kerala, India)
資料名： Journal of Medical Systems  (Journal of Medical Systems)
巻： 43  号： 7  ページ： 1-12  発行年： 2019年 
JST資料番号： W4623A  ISSN： 1573-689X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 質量と微小石灰化の検出は,ディジタルマンモグラム画像における放射線科医のための刺激的な作業である。胸部病変を発見するためにコンピュータ支援検出(CAD)フレームワークを用いた放射線科医。微小石灰化は乳癌の早期徴候である可能性がある。マンモグラム画像から微小石灰化を検出し認識するために用いられる異なる種類の方法がある。本論文は,ディジタルマンモグラム画像におけるマイクロ石灰化検出のためのELM(Extreme学習機械)アルゴリズムを提示した。乳房撮影画像の干渉は前処理段階で除去される。特徴生成モデルによりマルチスケール特徴を抽出した。性能はすべての抽出された特徴によって改善されなかったので,特徴選択は自然に触発された最適化アルゴリズムによって実行される。最後に,ハイブリッドELM分類器は,良性マイクロ石灰化から悪性を分類するために選択された最適特徴を取った。提案した研究を種々の分類器と比較し,訓練時間,感度,特異性および精度においてより良い性能を示した。ここで考察した既存のアプローチは,SVM(サポートベクトルマシン)とNB(Naive Bayes分類器)である。提案した検出システムは,既存の手法よりも良好な性能である99.04%の精度を提供した。特徴ベクトルと効率的分類装置の最適選択は,提案したシステムの性能を改善した。結果は,いくつかの他の分類アプローチと比較して,分類性能がより良いことを例示した。Copyright 2019 Springer Science+Business Media, LLC, part of Springer Nature Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 分類装置 ,  *石灰化 ,  *画像 ,  乳房腫瘍 ,  *乳房撮影 ,  特徴選択 ,  アルゴリズム ,  サポートベクトルマシン ,  前処理
準シソーラス用語： 特徴ベクトル ,  特異性 ,  病巣 ,  放射線科医 ,  微細石灰化 ,  *マルチスケール , 【Automatic Indexing@JST】

著者キーワード (6件)： 乳房撮影 ,  マイクロ石灰化 ,  極端学習機械 ,  特徴選択 ,  分類 ,  FOA

分類 (2件)： 腫ようの診断  (GE03020J) ,  医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： マルチスケール ,  乳房撮影 ,  石灰化 ,  ELM