文献

J-GLOBAL ID：202002256153582197   整理番号：20A1036938

教師付き機械学習アルゴリズムを用いた急性および慢性膵炎の特徴分類と分析【JST・京大機械翻訳】

Feature Classification and Analysis of Acute and Chronic Pancreatitis Using Supervised Machine Learning Algorithm

著者 (2件)： Balakrishna R. (Department of Computer Science and Engineering, School of Engineering, Vels Institute of Science Technology and Advanced Studies (VISTAS), Chennai, India) ,  Anandan R. (Department of Computer Science and Engineering, School of Engineering, Vels Institute of Science Technology and Advanced Studies (VISTAS), Chennai, India)
資料名： Advances in Intelligent Systems and Computing  (Advances in Intelligent Systems and Computing)
巻： 1125  ページ： 241-249  発行年： 2020年 
JST資料番号： W5075A  ISSN： 2194-5357  資料種別： 会議録 (C)
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： 管理された機械学習アルゴリズムは,病気の予測において重要な役割を果たし,死亡率は21世紀において比較的減少した。最も優勢な疾患の1つは急性で慢性的なPancreatitisであり,癌細胞が膵臓腺のすべての他の部分に広がるので,患者の7%だけが治療後に生存していた。これは,初期段階で癌を診断することの重要性を示し,本研究の結果として,世界中の82人の患者からの3000以上のCTスキャン腫瘍画像を考慮した。前処理段階において,スペックル雑音をWienerフィルタを用いて除去し,次に,正規化画像を,関心領域(ROI)を見つけるために,強化領域ベースのアクティブ輪郭(ERBAC)によって分割した。特徴は,灰色レベル共起行列(GLCM)によってセグメント化画像から抽出され,抽出された特徴はKNNとSVM分類アルゴリズムを用いて分類される。結果に基づき,KNNは患者が初期段階で診断される精度の97.2%を生成することが分かった。この特徴分類は,99%の精度で予測するために,人工ニューロファジィ推論システム(ANFIS)を用いてさらに改善される可能性がある。Copyright Springer Nature Singapore Pte Ltd. 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  セグメンテーション ,  前処理 ,  死亡率 ,  腫瘍 ,  腫瘍細胞 ,  Wienerフィルタ ,  正規化 ,  計算機トモグラフィー ,  *学習アルゴリズム
準シソーラス用語： 動的輪郭 ,  共起行列 ,  分類アルゴリズム ,  関心領域 ,  同時生起行列 , 【Automatic Indexing@JST】

著者キーワード (5件)： 画像処理 ,  強化された領域ベースのアクティブ輪郭 ,  関心領域 ,  特徴抽出 ,  KNN分類と前処理

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 教師付き機械学習 ,  アルゴリズム ,  慢性膵炎 ,  分類 ,  分析