文献

J-GLOBAL ID：202202244122212386   整理番号：22A1051530

組織病理学的画像からの肺および結腸癌分類のための手工および高密度特徴抽出技術の経験的研究【JST・京大機械翻訳】

An empirical study of handcrafted and dense feature extraction techniques for lung and colon cancer classification from histopathological images

著者 (5件)： Kumar Naresh (Department of ECE, UIET, Panjab University, Chandigarh, India) ,  Sharma Manoj (Department of ECE, Giani Zail Singh Campus College of Engineering & Technology, MRSPTU, Bathinda, India) ,  Singh Vijay Pal (Department of Electronics & Communication Engineering, GJU S & T, Hisar, Haryana, India) ,  Madan Charanjeet (Department of Electrical Engineering, GJU S & T, Hisar, Haryana, India) ,  Mehandia Seema (Department of Biotechnology, UIET, Panjab University, Chandigarh, India)
資料名： Biomedical Signal Processing and Control  (Biomedical Signal Processing and Control)
巻： 75  ページ： Null  発行年： 2022年 
JST資料番号： W3347A  ISSN： 1746-8094  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 2020年のWHO報告によると,癌は世界的に死亡の主因の1つである。これらの死亡の中で,肺と結腸癌は,ほぼ2.735百万の死亡に集団的に関与している。したがって,肺と結腸癌の検出と分類は,生物医学健康情報学の分野での最優先研究領域の1つである。本稿では,肺と結腸癌の分類のための2つの特徴抽出方法論の比較分析を示した。1つのアプローチにおいて,色,テクスチャ,形状および構造に基づく6つの手作業特徴抽出技術を提示した。手作業特徴を持つ勾配ブースティング(GB),SVM-RBF,多層パーセプトロン(MLP)およびランダムフォレスト(RF)分類器を訓練し,肺および結腸癌分類に対して試験した。他のアプローチでは,転送学習の概念を用いて,肺と結腸癌の組織病理学的画像からの深い特徴抽出のための7つの深い学習フレームワークを提示する。抽出した深い特徴(入力属性として)を,肺および結腸癌分類のための従来のGB,SVM-RBF,MLPおよびRF分類器に適用した。しかし,手作業の特徴とは対照的に,深いCNNネットワークによって抽出された特徴で分類器性能の顕著な改善が観察された。提案手法は,精度,想起,F1スコアおよびROC-AUCに関して優れた結果が得られることを見出した。高密度Net-121抽出深部特徴を有するRF分類器は,98.60%の精度と再現率,98.63%の精度,0.985のF1スコア,および01のROC-AUCで,肺と結腸癌組織を同定することができる。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 学習 ,  ネットワーク ,  *分類 ,  *特徴抽出 ,  計算機アルゴリズム ,  臨床医学 ,  肺腫瘍 ,  *結腸腫瘍 ,  多層パーセプトロン ,  機械学習
準シソーラス用語： ブースティング ,  生物医学 ,  再現率 ,  比較分析 ,  ランダムフォレスト ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 肺癌 ,  Colon癌 ,  深層学習 ,  特徴抽出 ,  機械学習

分類 (2件)： 医用画像処理  (JE04020T) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (9件)： 組織病理学 ,  肺 ,  結腸癌 ,  分類 ,  手工 ,  高密度 ,  特徴抽出 ,  経験 ,  研究