文献

J-GLOBAL ID：202002215507627726   整理番号：20A0140709

修正カーネルベースのファジィC平均とエッジブリッジと充填技術を用いた組織病理学的画像セグメンテーション【JST・京大機械翻訳】

Histopathological Image Segmentation Using Modified Kernel-Based Fuzzy C-Means and Edge Bridge and Fill Technique

著者 (3件)： Karobari Faiz Mohammad (Department of Electronics and Communication Engineering, KNS Institute of Technology, Kogilu Main Road, Yelahanka Hobli, Tirumenahalli, RK Hegde Nagar, Bengaluru, Karnataka 560064, India) ,  Suresh Hosahally Narayangowda (Department of Electronics and Instrumentation Engineering, Bangalore Institute of Technology, Bangalore, India) ,  Suresh Hosahally Narayangowda (Research Guide, Visvesvaraya Technological University, Belagavi, Karnataka, India)
資料名： Journal of Intelligent Systems  (Journal of Intelligent Systems)
巻： 29  号： 1  ページ： 1301-1314  発行年： 2020年 
JST資料番号： W3806A  ISSN： 0334-1860  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： 関心領域を用いた組織病理学的肺癌セグメンテーションは,健康監視システムの分野における新興の研究分野の1つである。本論文では,組織病理学的画像をデータベースStanford Tissueマイクロアレイデータベース(TMAD)から収集した。画像収集の後,前処理を正規化技術を用いて実行し,望ましくないノイズを除去することによって組織病理学的画像の品質を強化した。前処理の後,エッジブリッジと充填技術(EBFT)に沿った修正カーネルベースのファジィc-平均クラスタリング(KFCM)アプローチを用いてセグメンテーションを行った。それは,複雑なテンプレートにおけるオブジェクトを局所化するための柔軟な高レベル機械学習技術であった。実験結果は,提案したアプローチが精度,再現性,特異性,精度,およびJaccard係数によって正常および異常な癌領域をセグメント化することを示した。提案した方法論は,既存の方法の深部畳込みニューラルネットワーク(DCNN)および拡散加重アプローチと比較して,2.5~5%までの肺癌セグメンテーションにおける分類精度を改善した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 曖昧さ ,  *セグメンテーション ,  データベース ,  品質 ,  正規化 ,  再現性 ,  雑音 ,  肺腫瘍 ,  前処理
準シソーラス用語： 畳込みニューラルネットワーク ,  特異性 ,  局在化 ,  ファジィc-平均法 ,  関心領域 ,  *画像セグメンテーション , 【Automatic Indexing@JST】

著者キーワード (2件)： 68U10 ,  92C50

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

タイトルに関連する用語 (7件)： カーネル ,  ファジィ ,  平均 ,  エッジ ,  ブリッジ ,  組織病理学 ,  画像セグメンテーション