文献
J-GLOBAL ID:202202236906939537   整理番号:22A0862958

MRI画像からの特徴選択と機械学習を用いた自動脳腫瘍検出【JST・京大機械翻訳】

Automatic Brain Tumor Detection Using Feature Selection and Machine Learning from MRI Images
著者 (5件):
資料名:
巻: 842  ページ: 751-762  発行年: 2022年 
JST資料番号: W5070A  ISSN: 1876-1100  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:
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。
脳腫瘍は脳における欠損細胞の群である。それは,脳における細胞が機能不全構造を発達させるときに起こる。今日,多数の人々にとって死亡の重大な要因となっている。すべての腫瘍の中で,脳腫瘍の重症度は高い。したがって,脳腫瘍から寿命を節約するために,即時検出と適切な治療を行う。顕微鏡検査は,健康な細胞から腫瘍細胞を分離することができる。それらは通常細胞よりもよく分離されていない。現代のイメージング技術において,脳腫瘍の検出と分類は主要な関心事である。臨床監督者または放射線科医にとって,それは時間がかかり, f評価作業である。放射線科医または臨床専門家により実行される腫瘍の認識および分類の精度は,それらの経験のみに依存する。したがって,脳腫瘍の正確な同定と分類は画像処理技術によって決定することができる。本研究は,脳腫瘍の磁気共鳴イメージング(MRI)を用いて脳腫瘍を検出する機械学習モジュールを示唆する。この方法は,最終モデルを評価し構築するために,MRI画像,特徴抽出,特徴選択,および分類学習者のほぼ生のラスターデータ(NRRD)の前処理から成る。分類学習者をサポートベクトルマシン(SVM)分類器で設計した。分類法は,それぞれ,98.81%,98.88%,98.82%,および98.81%の重みづけ感度,特異性,精度,および精度によってよく機能した。所見は,神経-メディシン診断における腫瘍の存在を検出するための顕著な段階を推測する。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 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 (2件):
分類
JSTが定めた文献の分類名称とコードです
医用画像処理  ,  神経系の腫よう 
タイトルに関連する用語 (4件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る