文献

J-GLOBAL ID：202002243066183458   整理番号：20A0873552

ロバストな細胞セグメンテーションのための形態学的多細胞識別【JST・京大機械翻訳】

Morphological Multi-Cell Discrimination for Robust Cell Segmentation

著者 (2件)： Lee Hyun-Gyu (Department of Computer Engineering, Inha University, Incheon, South Korea) ,  Lee Sang-Chul (Department of Computer Engineering, Inha University, Incheon, South Korea)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 49837-49847  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 細胞セグメンテーションは,数学的に定義できない細胞形状とあいまいな細胞境界のような種々の実験配置の存在のために困難である。ロジスティック回帰,期待値最大化およびサポートベクトルマシン(SVM)のような不均一機械学習技術を用いて訓練された細胞領域識別子およびマルチセル識別子を用いた細胞セグメンテーション法を提案した。細胞領域識別器は,細胞が二次ロジスティック回帰により顕微鏡から得られた画像において見出される領域を同定し,その特徴は統計的情報と近傍強度の分布を用いる。SVMに基づくマルチセル識別器は,細胞領域識別器により検出された領域に複数の細胞が存在するかどうかを決定し,領域が期待値最大化アルゴリズムを用いて分割されるべきかどうかを決定する。マルチセル識別器を訓練するためのセル表面あてはめに対する境界断面積と最小二乗誤差の特徴を提案した。特徴とSVMを用いて,マルチセル識別子を,小さな訓練データに対してさえ,オーバーフィッティングなしで訓練することができた。このプロセスの間,提案した凸セル表面はクラスタリング性能を強化する。実験において,2つの識別器に基づく著者らの方法は,セルとバックグラウンド領域の間のコントラストが小さい場合でも,接続セルを安定に分割し,セル検出とセグメンテーション精度に関して最先端の方法を実行した。Copyright 2020 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： *セグメンテーション ,  サポートベクトルマシン ,  断面積 ,  コントラスト ,  クラスタ化 ,  曖昧さ ,  モルフォロジー ,  凸形 ,  *ロバスト性 ,  弁別器
準シソーラス用語： 訓練データ ,  識別子 ,  機械学習技術 ,  EMアルゴリズム ,  ロジスティック回帰分析 , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  移動通信  (ND08030H)

タイトルに関連する用語 (5件)： ロバスト ,  細胞 ,  セグメンテーション ,  形態学 ,  識別