腫瘍細胞画像診断支援のための細胞群に着目した階層型自己組織化マップを用いた細胞群特徴の抽出

カテゴリ: 研究会(論文単位)

論文No: ST11019

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2011/08/25

タイトル(英語): Feature Extraction of Cell Groups Using Growing Hierarchical Self-Organizing Map for Support of Diagnostic Tumor Cell Images.

著者名: 亀山 悟(横浜国立大学),濱上 知樹(横浜国立大学),古林 直人(横浜市立大学)

著者名(英語): Kameyama Satoru(Yokohama National University),Hamagami Tomoki(Yokohama National University),Kobayashi Naoto(Yokohama City University)

キーワード: クラスタリング|階層成長型自己組織化マップ|画像分割|clustering|GHSOM|Image segmentation

要約(日本語): 本稿では，細胞群としてのマクロな特徴量を用いてGHSOMによる階層型クラスタリングを行う手法を提案する。現在，腫瘍細胞画像診断にMIB-1 indexという腫瘍悪性度評価指標が広く利用されている。しかし，MIB-1 indexは病理医によって観察領域が異なるという問題がある。そこで，本稿では，Felzenszwalbらの領域分割で得られたsuperpixel毎の画像特徴を抽出し，これをGHSOMを用いて階層型クラスタリングを行い，作成されたクラスを用いて注目すべき領域の決定を行う。

要約(英語): MIB-1 index is a kind of remarkably effective evaluation index of the tumor malignancy. Since the measuring of the index requires a lot of time and experience, the accuracy of diagnostic depends on the observation domains and surveyor of pathologist. In order to overcome the issue, the supporting system for decision observation domains is required. In this report, we propose a new method with autonomous segmentation of area named super-pixel and autonomous hierarchical clustering method called GHSOM. The experimental results show that the proposed method enables us generate some tumor classes corresponding to the area selected by surveyor of pathologists.

原稿種別: 日本語

PDFファイルサイズ: 4,211 Kバイト