文献
J-GLOBAL ID:202202218470057228   整理番号:22A1165066

SVM-ACO分類器に基づくMRI脳腫瘍の性能解析【JST・京大機械翻訳】

Performance Analysis of MRI Brain Tumour Based on SVM-ACO Classifier
著者 (5件):
資料名:
巻: 2022  号: ICEARS  ページ: 986-991  発行年: 2022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:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
自動アプローチを,臨床分析のサポートにおいて,人体の内部部分の画像にMRI画像で採用する。画像のセグメンテーションは,様々な医療評価において重要な役割を用いる。物理的,半自動的および自動的アプローチが,領域のセグメンテーションの半分に存在している。この方法では,MRI(磁気共鳴映像)による脳腫瘍同定とカテゴリーのためのハイブリッド手順を示した。提案方法の最優先段階は,雑音除去フィルタ,頭蓋ストリッピングなどを含むMR画像前処理と一致する。次のステップは,脳腫瘍のMR画像と区別するLBP(局所バイナリパターン)とヒストグラムを利用するMRI脳画像のFE(特徴抽出)を行わなければならない。SVM(Support Vector Mechanis)は,各種類の特徴に依存して,脳腫瘍をカテゴリー化するために採用される。第3フェーズは,サポートベクターマシンとACO Antコロニー最適化が,最後の識別発見を支援するための信頼の判定基準に関心を持つ決定速度に依存するという新しい決定化合物に関するものである。実験は,実際の死亡脳と人工MRIデータセットから,58の正常MRIと100の異常MRIを含む158のMR画像を含む。分類の精度は訓練画像だけでなく試験画像でも98.99%であった。エキスパートの結果を分割結果によって比較した。腫瘍は比較的高い精度で分類器によって区別され,放射線科医に対する検証を提供する。提案したシステム一次成果は,医学CT,US(超音波画像)における他の型の腫瘍に対して,この提案方法に置くことに影響するMRIにおける脳腫瘍を特異的に同定および分類するためのシステムの効率と有効性を示す。Copyright 2022 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:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
図形・画像処理一般 

前のページに戻る