本研究では、腎臓異常の検出と分類を目的として、新しい特徴記述子である適応的局所二値パターン(A-LBP)を提案した。従来の手法では、事前学習モデルやCNN、既存の特徴記述子に依存していたが、本研究では独自の特徴記述子を開発することで、分類精度の大幅な向上を実現した。
まず、画像前処理として、不要な部分を切り取り、リサイズ、CLAHE(Contrast-Limited Adaptive Histogram Equalization)による画質向上を行った。次に、従来のLBP(Local Binary Pattern)と提案のA-LBPを用いて特徴抽出を行った。A-LBPは、局所的な特徴を捉えつつ、背景のテクスチャ情報も活用できる新しい特徴記述子である。
抽出した特徴量を、Random Forest、Decision Tree、Naive Bayes、K-Nearest Neighbor、SVMの各分類器に入力し、さらにソフトボーティングアンサンブルを適用することで、より堅牢な分類モデルを構築した。
実験の結果、A-LBPを用いた場合、腎臓の異常(嚢胞、結石、腫瘍)の分類精度が99%以上と非常に高い値を示した。一方、従来のLBPを用いた場合は、分類精度が80%台にとどまった。このように、提案手法は既存手法を大きく上回る性能を発揮することが示された。
To Another Language
from source content
arxiv.org
Principais Insights Extraídos De
by Tahmim Hossa... às arxiv.org 04-24-2024
https://arxiv.org/pdf/2404.14560.pdfPerguntas Mais Profundas