@techreport{oai:ipsj.ixsq.nii.ac.jp:00061935,
 author = {野里, 博和 and 坂無, 英徳 and 村川, 正宏 and 樋口, 哲也 and 大津, 展之 and 寺井, 謙介 and 蛭田, 啓之 and 亀田, 典章 and Hirokazu, Nosato and Hidenori, Sakanashi and Masahiro, Murakawa and Tetsuya, Higuchi and Nobuyuki, Otsu and Kensuke, Terai and Nobuyuki, Hiruta and Noriaki, Kameda},
 issue = {19(2009-MPS-73)},
 month = {Feb},
 note = {本論文では，病理組織診断におけるがん組織の自動判別を可能にする，高次局所自己相関特徴（HLAC）を用いた病理組織診断支援技術を提案する．現在の病院における病理組織診断では，専門資格を有する病理医による顕微鏡観察により組織診断が行われている．しかし，病理医不足による負担の増加は，社会問題となりつつある．そこで，本論文では，病理組織診断における病理医の負担を軽減する，高次局所自己相関特徴を用いた病理診断支援技術を提案する．提案手法では，非癌の顕微鏡画像から抽出した高次局所自己相関特徴の主成分分析により学習し，癌/非癌の判別を行う．本提案手法により，明らかに非癌である組織の自動スクリーニングが可能となり，病理医は癌および癌と疑わしい組織の診断に集中することが可能となる．, This paper proposes a histopathological diagnostic support technology by using correlation-based features of a pathological specimen. Recently, the shortage of clinical pathologists is posing increasing burden on them, and this has caused a serious social problem. In order to overcome this problem, we propose a histopathological diagnostic support technology using higher-order local autocorrelation (HLAC) features. In our method, we use principal component analysis (PCA) and find the eigenvectors to form the subspace of normal features, and we discriminate between tumor and non-tumor by using abnormal value calculated based on the subspace of normal features. Therefore, because this proposed method can automatically screen out non-tumor tissue, clinical pathologists can concentrate on the diagnosis of cancer and their burden can be reduced.},
 title = {高次局所自己相関特徴を用いた病理組織診断支援技術の研究},
 year = {2009}
}