文献

J-GLOBAL ID：202102226213545858   整理番号：21A0231636

良性および悪性病変への超音波甲状腺結節画像の分類【JST・京大機械翻訳】

Classification of Ultrasound Thyroid Nodule Images into Benign and Malignant Lesions

著者 (5件)： D Harshini (PES University,Department of Electronics and Communication Engineering,Bengaluru,India) ,  Sheriff Riffath (PES University,Department of Electronics and Communication Engineering,Bengaluru,India) ,  Jadon Rushali (PES University,Department of Electronics and Communication Engineering,Bengaluru,India) ,  B Ashwini (PES University,Department of Electronics and Communication Engineering,Bengaluru,India) ,  Krupa B Niranjana (PES University,Department of Electronics and Communication Engineering,Bengaluru,India)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： INOCON  ページ： 1-4  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： 甲状腺がんは,一般的に超音波画像の目視検査によって診断される。提案方法は,甲状腺結節の分類を癌性に自動化することである。これは放射線科医を支援することである。雑音フィルタに対するピーク信号対雑音比(PSNR)の値を比較した。Gaussフィルタは最高のPSNR値を持ち,セグメント化画像に適用された。Elliptical適合,ヒストグラム,形態学的,グレイレベルRun長行列(GLRLM)およびグレイレベル共起行列(GLCM)の特徴を,前処理された超音波画像から抽出する。Fスコアと逐次前方特徴選択(SFFS)法を特徴選択に用いた。最適コスト関数(C)とガンマパラメータをグリッド探索アルゴリズムを用いて得た。これらを分類器の訓練に用いた。サポートベクトルマシン(SVM)分類器と線形判別分析(LDA)性能を,特徴選択法の両方に対して記録し,比較した。SFFSによるLDAとSVMを用いて,それぞれ0.98と1.0の精度を得た。0.95の精度を,Fスコアを有するLDAとSVMの両方に対して得た。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： *超音波 ,  自動化 ,  セグメンテーション ,  費用関数 ,  Gaussフィルタ ,  特徴選択 ,  超音波画像 ,  ヒストグラム ,  甲状腺腫瘍 ,  肉眼検査 ,  サポートベクトルマシン
準シソーラス用語： グレイレベル ,  共起行列 ,  探索アルゴリズム ,  線形判別分析 , 【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)： 病変 ,  超音波 ,  甲状腺結節 ,  分類