| 講演名 | 2010-11-15 コンピュータ支援診断のための識別器の選択法 堀江 俊介, 松原 友子, 笠井 聡, 内山 良一, 村松 千左子, 周 向栄, 原 武史, 藤田 広志, |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | コンピュータ支援診断(CAD)開発における偽陽性削除や良悪性鑑別などの処理では,様々な識別器が用いられている.しかし,常に,高い識別性能が得られる識別器は一意には決まることはない.そのため,用いる特徴量の性質に基づき最適な分類を可能にする識別器の選択基準を明らかにする必要がある.また,実験段階において,限られたデータ数を用いて得られた結果から,多量の未知データへ適用した場合に安定した性能を示す識別器を選択することは,CAD開発において重要であると考えられる.そこで,本研究では,臨床データから抽出した特徴量を解析し,良悪性群間にどのような差が見られるのかを調査した.そして,その特徴量を用いて,5種類の識別器(線形判別:LDA,二次判別:QDA,ニューラルネットワーク:ANN,サポートベクターマシン:SVM,AdaBoost)の良悪性の鑑別能を比較する実験を行った.その結果より,特徴量の性質やトレーニングデータ数の違いが与える影響を考慮し,CADのための識別器選択法の可能性を提案する. |
| 抄録(英) | Various classifiers are used on the elimination of false positives or diagnosis of benign and malignant lesion. However, no classifier shows consistently superior performance regardless of the nature of the data. Therefore, it is necessary to clarify the selection criterion of the classifiers that shows optimal performance based on the nature of the feature used. Moreover, the available data for training is finite-sized in an experiment step of CAD development. Consequently, it is important to select the classifier that indicate steady classification performance applying to unknown large data set, based on one obtained by training. In this paper, we conducted the comparison study for diagnosis performance of five classifiers, namely, Linear Discriminant Analysis, Quadratic Discriminant Analysis, Neural Network, Support Vector Machine, and AdaBoost. Our dataset consists of benign and malignant lesions extracted clinical cases. The distribution analysis of features was performed. As a result, it becomes clear that the effects of nature of the features and number of training data on classifier performance are different each classifier. We propose the possibility of the selection method for classifier based on our results. |
| キーワード(和) | 識別器 / 臨床データ / 特徴量 / AUC / コンピュータ支援診断(CAD) |
| キーワード(英) | Classifier / Clinical Data / nature of the data / AUC / Computer-aided diagnosis(CAD) |
| 資料番号 | MI2010-71 |
| 発行日 |
| 研究会情報 | |
| 研究会 | MI |
|---|---|
| 開催期間 | 2010/11/8(から1日開催) |
| 開催地（和） | |
| 開催地（英） | |
| テーマ（和） | |
| テーマ（英） | |
| 委員長氏名（和） | |
| 委員長氏名（英） | |
| 副委員長氏名（和） | |
| 副委員長氏名（英） | |
| 幹事氏名（和） | |
| 幹事氏名（英） | |
| 幹事補佐氏名（和） | |
| 幹事補佐氏名（英） | |
| 講演論文情報詳細 | |
| 申込み研究会 | Medical Imaging (MI) |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | コンピュータ支援診断のための識別器の選択法 |
| サブタイトル（和） | |
| タイトル（英） | Choice Method of Classifier for Computer Aided Diagnosis |
| サブタイトル（和） | |
| キーワード(1)（和/英） | 識別器 / Classifier |
| キーワード(2)（和/英） | 臨床データ / Clinical Data |
| キーワード(3)（和/英） | 特徴量 / nature of the data |
| キーワード(4)（和/英） | AUC / AUC |
| キーワード(5)（和/英） | コンピュータ支援診断(CAD) / Computer-aided diagnosis(CAD) |
| 第 1 著者 氏名（和/英） | 堀江 俊介 / Shunsuke HORIE |
| 第 1 著者 所属（和/英） | 岐阜大学大学院医学系研究科知能イメージ情報分野 Graduate School of Medicine, Gifu University |
| 第 2 著者 氏名（和/英） | 松原 友子 / Tomoko MATSUBARA |
| 第 2 著者 所属（和/英） | 名古屋文理大学情報文化学部 School of Information Culture, Nagoya Bunri University |
| 第 3 著者 氏名（和/英） | 笠井 聡 / Satoshi KASAI |
| 第 3 著者 所属（和/英） | Konica Minolta Medical Imaging USA, INC. Konica Minolta Medical Imaging USA, INC. |
| 第 4 著者 氏名（和/英） | 内山 良一 / Yoshikazu UCHIYAMA |
| 第 4 著者 所属（和/英） | 大分工業高等専門学校制御情報工学科 Oita National College of Technology |
| 第 5 著者 氏名（和/英） | 村松 千左子 / Chisako MURAMATSU |
| 第 5 著者 所属（和/英） | 岐阜大学大学院医学系研究科知能イメージ情報分野 Graduate School of Medicine, Gifu University |
| 第 6 著者 氏名（和/英） | 周 向栄 / Xiangrong ZHOU |
| 第 6 著者 所属（和/英） | 岐阜大学大学院医学系研究科知能イメージ情報分野 Graduate School of Medicine, Gifu University |
| 第 7 著者 氏名（和/英） | 原 武史 / Takeshi HARA |
| 第 7 著者 所属（和/英） | 岐阜大学大学院医学系研究科知能イメージ情報分野 Graduate School of Medicine, Gifu University |
| 第 8 著者 氏名（和/英） | 藤田 広志 / Hiroshi FUJITA |
| 第 8 著者 所属（和/英） | 岐阜大学大学院医学系研究科知能イメージ情報分野 Graduate School of Medicine, Gifu University |
| 発表年月日 | 2010-11-15 |
| 資料番号 | MI2010-71 |
| 巻番号（vol） | vol.110 |
| 号番号（no） | 280 |
| ページ範囲 | pp.- |
| ページ数 | 6 |
| 発行日 | |