文献

J-GLOBAL ID：202202230985939135   整理番号：22A1039113

加速粒子群最適化による頭蓋内腫瘍検出のための改良型機械学習法【JST・京大機械翻訳】

Improved Machine Learning Method for Intracranial Tumor Detection with Accelerated Particle Swarm Optimization

著者 (6件)： Pradeep K. R. (Department of Computer Science & Engineering, B.M.S Institute of Technology and Management, Avalahalli, Bengaluru 560064, India) ,  Gangadharan Syam Machinathu Parambil (General Mills, 220 Carlson Parkway, Apt 208, Minnetonka 55305, Minnesota, USA) ,  Hatamleh Wesam Atef (Department of Computer Science, College of Computer and Information Sciences, King Saud University, P.O. Box 51178, Riyadh 11543, Saudi Arabia) ,  Tarazi Hussam (Department of Computer Science and Informatics, School of Engineering and Computer Science, Oakland University, Rochester Hills, 318 Meadow Brook Rd, Rochester 48309, MI, USA) ,  Shukla Piyush Kumar (Department of Computer Science & Engineering, University Institute of Technology, Rajiv Gandhi Proudyogiki Vishwavidyalaya, Bhopal 462033, Madhya Pradesh, India) ,  Tiwari Basant (Department of Computer Science, Hawassa University, Awasa, Ethiopia)
資料名： Journal of Healthcare Engineering (Web)  (Journal of Healthcare Engineering (Web))
巻： 2022  ページ： Null  発行年： 2022年 
JST資料番号： U7772A  ISSN： 2040-2295  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 画像処理の分野は,それが提供する機能の多様性によって区別して,広い応用範囲は,生物医学画像処理においてあった。放射線科医が腫瘍を手動で識別し,分類するのは困難で時間がかかる。それは,磁気共鳴(MR)写真から汚染腫瘍領域を除去する放射線科医または臨床専門家によって行われる複雑で時間のかかる手順である。本研究の目標は,プロセスの不正確性を低減するために,FCM予測画像セグメンテーション手順を調査することにより,性能を改善し,画像セグメンテーションプロセスの複雑さを低減することである。さらに,関連する特性を各分割組織から収集し,ニューラルネットワーク分類器の精度と品質率を増すために,脳がんの自律同定とレッグ化のための分類器への入力として整列させた。提案したアプローチの実験的性能の評価,検証および提示を完成した。本研究では,良性および悪性腫瘍の委任のためのユニークなAPSO(加速粒子群れ最適化)に基づく人工ニューラルネットワークモデル(ANNM)を提示し,脳腫瘍の自動同定および分類を可能にする。提案したANNMモデルパラメータを改善するためにAPSO訓練を使用することは,MR画像からの脳がんの手動同定を行う放射線科医のストレスの多い仕事を軽減するためのユニークな方法を提供する。自動脳腫瘍分類のためのAPSOベースのANNM(人工ニューラルネットワークモデル)モデルの使用を,分類モデルのレジリエンスを実証するために示した。画像セグメンテーションのための改良ファジィc平均(IEnFCM)法を利用することが示唆され,一方,GLCM(グレイレベル共起行列)特徴抽出アプローチが,磁気共鳴イメージング(MR画像)からの特徴抽出のために採用された。Copyright 2022 K. R. Pradeep et al. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *最適化 ,  磁気共鳴 ,  セグメンテーション ,  実験 ,  ニューラルネットワーク ,  特徴抽出 ,  *腫瘍 ,  *脳腫瘍 ,  画像処理 ,  NMRイメージング ,  *機械学習
準シソーラス用語： 神経回路網モデル ,  悪性腫瘍 ,  画像セグメンテーション ,  共起行列 ,  同時生起行列 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

引用文献 (34件)：

• S. Muda, M. Mokji, "Brain lesion segmentation from diffusion-weighted MRI based on adaptive thresholding and Gray Level Co-occurrence matrix," Journal of Telecommunication, Electronic and Computer Engineering, vol. 3, no. 2, 2011.
• S. Cha, "Review article: Update on brain tumor imaging: from anatomy to physiology," Journal of Neuroradiology, vol. 27, pp. 475-487, 2006.
• V. Roy, P. K. Shukla, A. K. Gupta, V. Goel, P. K. Shukla, S. Shukla, "Taxonomy on EEG artifacts removal methods, issues, and healthcare applications," Journal of Organizational and End User Computing, vol. 33, no. 1, pp. 19-46, 2021.
• J. Selvakumar, A. Lakshmi, T. Arivoli, "Brain tumor segmentation and its area calculation in brain MR images using k-mean clustering and fuzzy c-mean algorithm," Proceedings of the IEEE-International Conference On Advances In Engineering, Science And Management, pp. 186-190, Nagapattinam, India, March 2012.
• S. R. Telrandhe, A. Pimpalkar, A. Kendhe, "Brain tumor detection using object labeling algorithm & SVM," International Engineering Journal For Research & Development, vol. 2, pp. 2-8, 2015.

タイトルに関連する用語 (4件)： 加速 ,  粒子群最適化 ,  頭蓋内腫瘍 ,  機械学習