錐制約部分空間法における正常データの確率密度推定に基づく異常検出

• Item type: Trans(1)
• 公開日: 2015-03-30
• タイトル: 錐制約部分空間法における正常データの確率密度推定に基づく異常検出
• タイトル / 言語: en
• タイトル: Anomaly Detection Based on Density Estimation of Normal Data in Cone-restricted Subspace
• 言語: jpn
• キーワード / 主題Scheme: Other
• キーワード / 主題: [オリジナル論文] 錐制約部分空間法，確率密度推定，異常検出，パターン認識
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_6501
• 資源タイプ: journal article
• 著者所属: 筑波大学大学院システム情報工学研究科
• 著者所属: 産業技術総合研究所情報技術研究部門
• 著者所属: 産業技術総合研究所情報技術研究部門
• 著者所属: 産業技術総合研究所情報技術研究部門
• 著者所属: 高松平和病院外科
• 著者所属: がん研有明病院乳腺センター外科
• 著者所属: 産業技術総合研究所情報技術研究部門
• 著者所属(英): en
• 著者所属(英): Graduate School of Systems and Information Engineering, University of Tsukuba
• 著者所属(英): en
• 著者所属(英): Information Technology Research Institute, National Institute of Advanced Industrial Science and Technology
• 著者所属(英): en
• 著者所属(英): Information Technology Research Institute, National Institute of Advanced Industrial Science and Technology
• 著者所属(英): en
• 著者所属(英): Information Technology Research Institute, National Institute of Advanced Industrial Science and Technology
• 著者所属(英): en
• 著者所属(英): Department of Surgery, Takamatsu Heiwa Hospital
• 著者所属(英): en
• 著者所属(英): Breast Oncology Center, The Cancer Institute Hospital of the Japanese Foundation for Cancer Research
• 著者所属(英): en
• 著者所属(英): Information Technology Research Institute, National Institute of Advanced Industrial Science and Technology
• 著者名: 山崎, 優大; 野里, 博和; 岩田, 昌也; 高橋, 栄一; 何森, 亜由美; 岩瀬, 拓士; 坂無, 英徳
• 著者名(英): Yudai, Yamazaki; Hirokazu, Nosato; Masaya, Iwata; Eiichi, Takahashi; Ayumi, Izumori; Takuji, Iwase; Hidenori, Sakanashi
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 錐制約部分空間法は，非負の特徴ベクトルに対して錐形状の空間を形成することで学習パターンを精度良く表現し，錐との角度を基にパターン認識を行う．しかし，錐形状の空間内では表面付近と中心付近の特徴ベクトルの区別ができないため，錐形状の空間の広がりが大きい場合は，認識性能が低下するという問題がある．そこで本論文では，錐の表面付近の異常を検出するため，錐形状の空間における確率密度を基にした異常検出手法を提案する．提案手法では，錐形状の部分空間の広がり方向を表す空間上において学習パターンの確率密度関数を作成し，確率密度が低い位置に存在する特徴ベクトルを異常として検出する．実験では，乳腺超音波画像の実データを用いて病変検出精度の検証を行い，提案手法の有効性を確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: A cone-restricted subspace method can express learning patterns accurately by generating a convex cone for non-negative feature vectors. Classification of conventional method is performed based on the angle between the input vector and the cone. However, recognition performance is reduced if the spread of the convex cone is large, because it is impossible to distinguish between vectors near the surface and those around the center of the cone. This paper proposes an anomaly detection method based on probability density of normal data in cone-restricted subspace. Classification by the proposed method is based on the probability contained in the convex cone. We demonstrate anomaly detection from breast ultrasound images using proposed method, and confirmed effectiveness of the method.
• 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: AA11464803
• 書誌情報: 情報処理学会論文誌数理モデル化と応用（TOM）; 巻 8, 号 1, p. 28-37, 発行日 2015-03-30
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 1882-7780
• 出版者 / 言語: ja
• 出版者: 情報処理学会