文献

J-GLOBAL ID：202102210004954452   整理番号：21A0009807

Chebyshevモーメントと畳込みニューラルネットワークを用いたディジタルマンモグラフィの3クラス分類【JST・京大機械翻訳】

Three Class Classification of Digital Mammograms using Chebyshev Moments and Convolutional Neural Network

著者 (1件)： Bhuma Chandra Mohan (Bapatla Engineering College,ECE Department,Bapatla,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： ICCCS  ページ： 1-5  発行年： 2020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： 乳癌の早期検出のためのデジタルマンモグラムの効果的な分類のための2つのアプローチを本研究で提案する。初期段階での乳癌の検出は死亡率を低下させる有効な方法である。生検は乳癌の検出のための究極の解決策である。しかし,それは侵襲的で高価である。デジタルマンモグラムは非侵襲的であり,初期段階での疾患の予備的評価に対する放射線科医を支援する。文献では,ディジタルマンモグラム解析に関する研究の大部分は,画像が正常画像または異常画像であるかどうかという2つのクラス分類に基づいている。さらに,異常であれば,腫瘍は悪性または良性である。したがって,分類は問題を2つのバイナリ分類問題に分割するので簡単である。しかし,デジタルマンモグラムの3クラス分類に関するいくつかの研究がある。本研究では,公的に利用可能なミニMIASデータベースを用いて提案アルゴリズムの性能を評価した。第1の研究では,微細調整ハイパーパラメータを有する特徴およびサポートベクターマシンを計算するためのChebyshevモーメントを用いて,分類器として使用した。第2の研究では,分類のための簡単でコンパクトな畳込みニューラルネットワークを提案した。10倍交差検証を,モデル調製のための両手法で用いた。MIASデータセットは高度に不均衡であり,従って誤分類コストを過小表現クラスに割り当てる。性能測度,すなわち,精度およびバランス精度を用いて,提案アルゴリズムの有用性を実証した。結果を文献における既存の研究の現状と比較し,提案した方法の優越性を正当化した。Copyright 2021 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： アルゴリズム ,  データベース ,  死亡率 ,  腫瘍 ,  生検 ,  *モーメント ,  乳房腫瘍 ,  サポートベクトルマシン
準シソーラス用語： 不均衡 ,  放射線科医 ,  非侵襲 ,  正常画像 ,  ハイパーパラメータ ,  *畳込みニューラルネットワーク , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： モーメント ,  畳込みニューラルネットワーク ,  ディジタルマンモグラフィ ,  クラス分類