文献

J-GLOBAL ID：202202251097780269   整理番号：22A0857811

MRIのためのカーネルベースSVMを用いた脳腫瘍の効率的検出と分類【JST・京大機械翻訳】

Efficient Detection and Classification of Brain Tumor using Kernel based SVM for MRI

著者 (2件)： Rao Champakamala Sundar (Department of Information Science and Engineering, Sri Siddhartha Institute of Technology, Siddhartha Academy of Higher Education, Tumakuru, Karnataka, India) ,  Karunakara K. (Department of Information Science and Engineering, Sri Siddhartha Institute of Technology, Siddhartha Academy of Higher Education, Tumakuru, Karnataka, India)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 81  号： 5  ページ： 7393-7417  発行年： 2022年 
JST資料番号： W1102A  ISSN： 1380-7501  資料種別： 逐次刊行物 (A)
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： MRIによる腫瘍分類(磁気共鳴映像法)は,大量の時間を消費するので,重要である。さらに,この検出法は,異常および正常脳組織の両方の類似性のために複雑である。脳腫瘍の早期治療計画および臨床評価のため,医用画像を用いた自動セグメンテーションおよび分類プロセスは,非常に困難である。コンピュータ化医療イメージングは,より迅速な意思決定を可能にする一方で,患者に重要な治療を提供する臨床医を援助する。本研究は,腫瘍成長および治療過程を診断することにより動機付けられた機械学習(ML)モデルを用いた効率的なセグメンテーションおよび分類に焦点を当てた。効率的な脳腫瘍検出を達成するために,提案した方法論における異なる段階は前処理,セグメンテーション,抽出,選択および分類である。最初に,画像平滑化と品質強化のためにNMF(正規化中央値フィルタ)を用いてぼけ除去を行った。次に,セグメンテーションを二項閾値法を用いて行う。次のステップは特徴抽出であり,GLCM(グレイレベル共起行列)とSGLDM(空間グレイレベル依存行列)技術の融合である。Harris hawks最適化(HHO)アルゴリズムを特徴選択のために使用する。最後に,KSVM-SSDを有効かつ正確な分類に用いた。ここでは,脳腫瘍を,KSVM(ネルネルサポートベクターマシン)を用いて良性および悪性として分類し,そして,社会スキードライバ(SSD)最適化アルゴリズムを用いて,低,中および高の悪性腫瘍の更なる分類を行った。ここで用いたシミュレーション/実装ツールはPYTHONプラットフォームである。BRATS 2018,2019および2020のような複数のデータセットについて性能を解析した。したがって,セグメンテーションと分類結果は,精度,想起,およびF1スコアを有する既存の方法と比較して優れていることを証明した。提案したKSVM-SSDモデルの優位性を,BRATSデータセット上で試験した分類精度に関して,それぞれ,2018,2019および2020年のBATSデータセットに対して,99.2%,99.36%および99.15%の精度で識別した。より高い検出精度は,人々の生活を節約できるタイムリーで適切な診断を提供する。したがって,腫瘍検出と分類に関するこれらの結果は,ベースラインモデルと比較して,性能を改善した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  行列 ,  最適化 ,  シミュレーション ,  セグメンテーション ,  最適化手法 ,  特徴抽出 ,  *脳腫瘍 ,  画像処理 ,  平滑化 ,  モデル ,  医用画像 ,  NMRイメージング ,  正規化 ,  機械学習

著者キーワード (6件)： 脳腫瘍 ,  磁気共鳴イメージング ,  セグメンテーション ,  分類 ,  最適化 ,  BRATS

分類 (2件)： 医用画像処理  (JE04020T) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (5件)： MRI ,  カーネル ,  SVM ,  脳腫瘍 ,  分類