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: SIG Technical Reports(1)
• 公開日: 2013-12-04
• 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: Abnormal Detection Based on Density Estimation of Normal Data in Cone-Restricted Subspace
• 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: 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): National Institute of Advanced Industrial Science and Technology
• 著者所属(英): en
• 著者所属(英): National Institute of Advanced Industrial Science and Technology
• 著者所属(英): en
• 著者所属(英): 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): 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，錐形状の空間の広がりが大きい場合は認識性能が低下する問題がある．本論文ではその原因が，錐形状の空間内の特徴ベクトルと錐とのなす角度が算出できないためであることを明らかにするとともに，問題の解決策として，錐に含まれる確率の算出方法とその確率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，その確率を基に特徴ベクトルの識別を行う．実験では乳腺超音波画像の実データを用いて，提案手法による病変検出精度の検証を行い，そ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 conventional method cannot calculate the angle between an input vector in the subspace of the cone and the boundary. In this paper, we propose an abnormal detection method based on probability density of normal data in cone-restricted subspace. Classification of the proposed method is based on estimated probability density of normal data in a convex cone. We demonstrate abnormal 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: AA12055912
• 書誌情報: 研究報告バイオ情報学（BIO）; 巻 2013-BIO-36, 号 19, p. 1-6, 発行日 2013-12-04
• 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