温度交換MCMC法を用いたびまん性肺疾患画像の特徴量選択

• Item type: SIG Technical Reports(1)
• 公開日: 2016-07-18
• タイトル: 温度交換MCMC法を用いたびまん性肺疾患画像の特徴量選択
• タイトル / 言語: en
• タイトル: Feature Selection for Diffuse Lung Disease using Exchange Markov Chain Monte-Carlo Method
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 電気通信大学
• 著者所属: 電気通信大学
• 著者所属: 電気通信大学
• 著者所属: 山口大学
• 著者所属(英): en
• 著者所属(英): UEC
• 著者所属(英): en
• 著者所属(英): UEC
• 著者所属(英): en
• 著者所属(英): UEC
• 著者所属(英): en
• 著者所属(英): YU
• 著者名: 小岩井, 誠; 飯田, のどか; 庄野, 逸; 木戸, 尚治
• 著者名(英): Makoto, Koiwai; Nodoka, Iida; Hayaru, Shouno; Shoji, Kido
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: びまん性肺疾患の疾病部の X 線 CT 画像には多様な陰影パターンが含まれており，診断において判別が困難な場合がある．本研究では，このような肺疾患パターン識別に有効な特徴量の選択問題を機械学習的なアプローチで取り扱うことを考える．このような画像から得られる特徴量の内のどれを選択するかという問題は，最適解を求めようとすると全ての組合せを探索する組合せ最適化問題となるため，特徴数の指数オーダーに比例した計算困難を伴う．近年，この特徴量選択問題に対して温度交換マルコフ連鎖モンテカルロ法を用いた手法が Nagata らによって提案されており，現実的な時間のうちに解集合が得られる可能性があることが示唆されている．そこで本研究では，びまん性肺疾患の陰影パターンから得られる 39 種類の特徴量から，各クラス識別に有効な特徴量の組合せを Nagata らの手法によって選択することを試みた．その結果，我々は有効な特徴量の組み合わせ候補に関する示唆を得ることが出来た．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: Diffuse lung disease (DLD) in high resolution computed tomography images show a lot of variations even in the same class, and this variations make difficulty in diagnosis. In this study, we treat a effective feature selection problem for this DLD pattern classification using machine learning approach. In order to obtain the best feature selection for classification, we should search whole combination of features, which requires exponential order calculation cost. Recently, Nagata et al. proposed an application of Exchange Markov Chain Monte Carlo (ExMCMC) method for this problem, and suggested that they reveals hidden feature structures for classification. Thus, we tried their method to select the effective feature combination for each DLD classification from 39 types of features, which are obtained from typical texture analysis method in the image processing. As the result, we obtained the effective feature combination candidates for each DLD classification problem.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10505667
• 書誌情報: 研究報告数理モデル化と問題解決（MPS）; 巻 2016-MPS-109, 号 10, p. 1-4, 発行日 2016-07-18
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8833
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会