文献

J-GLOBAL ID：202002247681200449   整理番号：20A0495000

良性および悪性の超音波乳房画像分類のための多特徴融合【JST・京大機械翻訳】

Multi-feature Fusion for Ultrasound Breast Image Classification of Benign and Malignant

著者 (7件)： Wei Mengwan (Huaqiao University,College of Engineering,Quanzhou,China) ,  Wu Xiuming (Fujian Medical University,The First Hospital of Quanzhou,Quanzhou,China) ,  Zhu Jianqing (Huaqiao University,College of Engineering,Quanzhou,China) ,  Liu Peizhong (Huaqiao University,College of Engineering,Quanzhou,China) ,  Luo Yanmin (Huaqiao University,College of computer science and technology,Xiamen,China) ,  Zheng Lixin (Huaqiao University,College of Engineering,Quanzhou,China) ,  Du Yongzhao (Huaqiao University,College of Engineering,Quanzhou,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： ICIVC  ページ： 474-478  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： 乳房超音波に対するコンピュータ支援診断(CAD)システムは,乳房腫瘍の良性および悪性の分類において医師を効果的に支援することができる。CADシステムは作業効率と診断精度を向上させ,誤診の割合も減少させる。本論文では,良性および悪性乳房腫瘍超音波画像を分類するために,機械学習分類器-サポートベクトルマシン(SVM)と組み合わせた,配向勾配(HOG),局所二値パターン(LBP)およびグレイレベル共起行列(GLCM)特徴抽出のヒストグラムに基づく方法を提案した。さらに,最新の包括的超音波画像データセットの欠如により,本研究は最新の超音波画像データセットを収集した。それは,350の良性病変と生検によって立証された257の悪性腫瘍を考慮する。病理学的クラスを予測する分類装置の能力を,受信者動作特性(ROC)曲線によって測定し,良好な分類結果を得た。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： ヒストグラム ,  計算機診断 ,  機械学習 ,  分類装置 ,  乳房腫瘍 ,  生検 ,  作業能率 ,  *乳房 ,  誤診 ,  特徴抽出 ,  超音波画像 ,  *超音波 ,  サポートベクトルマシン
準シソーラス用語： 同時生起行列 ,  共起行列 , 【Automatic Indexing@JST】

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)： 超音波 ,  乳房画像 ,  分類 ,  特徴融合