文献
J-GLOBAL ID:201702211510831606   整理番号:17A0760073

質問分類のための医学的に依存性特徴と画像検索モデルのマイニング相関【Powered by NICT】

Mining correlations between medically dependent features and image retrieval models for query classification
著者 (5件):
資料名:
巻: 68  号:ページ: 1323-1334  発行年: 2017年 
JST資料番号: A0274A  ISSN: 2330-1635  CODEN: AISJB6  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: アメリカ合衆国 (USA)  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。
医療資源の豊度は大規模医用画像データセットにおける情報の効率的な検索を可能にするシステムの開発を促進した。最先端の画像検索モデルは,三つの範ちゅう:コンテンツベース(視覚)モデル,テキストモデル,およびその組合せモデルに分類される。コンテンツベースモデルは,画像質問に答えるための視覚特徴を用いて,テキスト画像検索モデルは,テキスト質問,および複合画像検索モデルに答えるために単語マッチングを用いて,質問に答えるために,テキストと視覚特徴を用いた。それにもかかわらず,この分野における以前の研究の大部分は質問型とは無関係に同じ画像検索モデルを使用した。本論文では,一般的なおよび特定の医療質問特徴のリストを定義し,問い合わせ特徴と画像検索モデルの間の相関を発見するために相関ルールマイニング法を利用した。これらの規則に基づいて,新しいテキストクエリーを与えられた最適な検索モデルを見出すために連想分類器(NaiveClass)を用いることを提案した。も問い合わせに対する,もっとも適切なデフォルトクラスを選択する第二連想分類器(SmartClass)を提案した。実験は2008年から2012年までの医療ImageCLEF質問上で遂行された分類性能に対する提案された問い合わせ特徴の影響を評価することである。結果は,提案した特異的および一般的な質問特徴を組み合わせた質問分類に有効であることを示した。Copyright 2017 Wiley Publishing Japan K.K. All Rights reserved. Translated from English into Japanese by JST.【Powered by NICT】
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 (1件):
分類
JSTが定めた文献の分類名称とコードです
検索技術 

前のページに戻る