文献

J-GLOBAL ID：202202259512649447   整理番号：22A1157787

異なる色空間に適用した3D GLCMを用いた結腸直腸癌の機械学習認識の改善【JST・京大機械翻訳】

Improving machine learning recognition of colorectal cancer using 3D GLCM applied to different color spaces

著者 (2件)： Alqudah Ali Mohammad (Department of Biomedical Systems and Informatics Engineering, Yarmouk University, Irbid, Jordan) ,  Alqudah Amin (Department of Computer Engineering, Yarmouk University, Irbid, Jordan)
資料名： Multimedia Tools and Applications  (Multimedia Tools and Applications)
巻： 81  号： 8  ページ： 10839-10860  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： 結腸直腸癌(CRC)は,男性と女性の間で広く発生する癌の一つである。大腸癌としても知られているこの癌は,ヒト大腸,特に直腸または結腸に影響する。したがって,CRC癌を検出する高精度の新技術の提供は,それを治療するための早期で成功した計画を提供する。本研究では,異なる機械学習アルゴリズムを用いて結腸直腸癌を分類する方法を提案した。この方法は,3Dグレイレベル共起行列(GLCM)行列(RGB,HSV,およびL*A*B色空間)の3Dグレイレベル共起行列(GLCM)行列から抽出特徴を使用する。使用した画像の3D GLCMマトリックスを計算し,3504画像の訓練データセットと1496画像の試験データセットを用いて評価した。サポートベクトルマシン(SVM),人工ニューラルネットワーク(ANN),K-最近傍(KNN),二次判別分析(QDA),および分類決定木(CDT)である5つの異なる広く使われている機械学習アルゴリズム。結果は,提案した方法論が高性能率でCRCを検出することができることを示した。この高い速度は,すべての色空間チャネルからのテクスチャ特徴の結合に起因する。使用した機械学習モデルに対する最良の性能は,RGを用いたQDAを用いた訓練および試験セットに対して97%以上であった。得られた結果は,3つの色空間チャネルからのテクスチャ特徴から,すべての以前の方法と比較して,提案した方法論が高性能でCRCを検出するのに効率的に使用できることを示した。本研究は,現在の研究動向におけるその種類の最初のものである。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： 行列 ,  ニューラルネットワーク ,  *結腸 ,  *直腸 ,  ヒト ,  画像 ,  画像特性 ,  *三次元 ,  *色空間 ,  *機械学習 ,  学習アルゴリズム ,  サポートベクトルマシン
準シソーラス用語： 共起行列 ,  *結腸直腸癌 ,  テクスチャ特徴 ,  *同時生起行列 , 【Automatic Indexing@JST】

著者キーワード (4件)： 3D共起行列 ,  分類 ,  大腸癌 ,  着色特徴

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  腫ようの診断  (GE03020J)

タイトルに関連する用語 (5件)： 色空間 ,  3D ,  GLCM ,  結腸直腸癌 ,  機械学習