JP2008501486A - 規則抽出に基づいてディジタル画像における特徴を識別するためのシステムおよび方法 - Google Patents
規則抽出に基づいてディジタル画像における特徴を識別するためのシステムおよび方法 Download PDFInfo
- Publication number
- JP2008501486A JP2008501486A JP2007527674A JP2007527674A JP2008501486A JP 2008501486 A JP2008501486 A JP 2008501486A JP 2007527674 A JP2007527674 A JP 2007527674A JP 2007527674 A JP2007527674 A JP 2007527674A JP 2008501486 A JP2008501486 A JP 2008501486A
- Authority
- JP
- Japan
- Prior art keywords
- feature points
- sets
- rule
- hypercube
- upper bound
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
- G06V10/765—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects using rules for classification or partitioning the feature space
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/24765—Rule-based classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/40—Software arrangements specially adapted for pattern recognition, e.g. user interfaces or toolboxes therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/94—Hardware or software architectures specially adapted for image or video understanding
- G06V10/945—User interactive design; Environments; Toolboxes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Multimedia (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
Description
本出願は、発明の名称が「Rule extraction from Hyperplane−based Classifiers」である2004年6月8日に出願されたGlenn Fungらの米国特許仮出願第60/577,792号に基づいて優先権を主張するものであり、その内容は参照により本明細書に組み込まれる。
Dii=1に対して、Aiw+εi≧γ+1
Dii=−1に対して、Aiw−εi≦γ−1
である。誤差変数εを最小化することは、近似分離平面をもたらす。この平面は、x∈Aに対して、データを以下のように分類する。
b={ui if wi<0, li if wi>0}
によって定義される対角行列である。Tiiおよびbの定義において使用されるuiおよびliは、データ点自身の境界から近似されてもよい。逆数は、アフィン変換x=T1y+bである。関心のある超平面は、
w’T-1y=γ−w’b となり、これは、
w’x*−y=0であり、かつ、/C/(Cの濃度)が最大となるようなx*を見つけ出すことによって、見つけ出すことができ、
C=(A−∩{x/w’x<1})∩{x/0≦x≦x*}
である。次の線形プログラミング定式化は、このシステムの近似である。
行するステップが、再帰的にシステム
Claims (27)
- ディジタル医用画像における特徴を分類するための方法であって、前記方法は、
n次元空間における複数の特徴点を提供するステップであり、前記特徴点が、ディジタル医用画像から抽出されたものであり、それぞれの特徴点が、2つの集合の一方に含まれる要素である、前記提供するステップと、
2つの集合の中の第1の集合内に存在する特徴点を2つの集合の中の第2の集合内に存在する特徴点から分離する近似分類平面を決定するステップと、
分類平面を変換するステップであり、前記変換された分類平面までの法線ベクトルが、正の成分を有し、前記2つの集合の一方に含まれる1つ以上の特徴点のための特徴領域が、n個の軸を有する変換された空間内における単位超立方体である、前記変換するステップと、
単位超立方体のn個の軸のそれぞれに沿って上界を得るステップと、
前記上界を逆変換し、前記2つの集合の前記一方に含まれる1つ以上の特徴点を含む新しい規則を得るステップと、
前記新しい規則によって包含される特徴点を、2つの集合の前記一方から除去するステップと、
を備える方法。 - 規則の集合を空集合に初期化し、前記新しい規則を備えた前記規則集合の和集合を形成するステップをさらに備える請求項1に記載の方法。
- 2つの集合の前記一方が、前記特徴点を除去した後に空でなければ、
前記新しい規則によって被覆されないn個の部分領域ごとに、前記部分領域を逆変換するステップと、
2つの集合の前記一方が空になるまで、分類平面を変換する前記ステップ、上界を得る前記ステップ、前記上界を逆変換して新しい規則を得る前記ステップ、前記新しい規則によって包含される特徴点を除去する前記ステップを反復するステップと、
それぞれの前記新しい規則を備えた前記規則集合の和集合を形成するステップと、
をさらに備える請求項2に記載の方法。 - 前記ステップが、前記n個の部分領域のうち、2つの集合の前記一方における特徴点を含む部分領域に対して反復され、2つの集合の前記一方に存在する特徴点をそれぞれの部分領域から探索するステップをさらに備える請求項3に記載の方法。
- 前記ステップを反復することによって得られたそれぞれの新しい規則が、前記規則集合内に存在するそれぞれの規則と0個の交点を有する請求項3に記載の方法。
- それぞれの部分領域が、深さ優先探索に基づいて探索される請求項4に記載の方法。
- 単位超立方体のn個の軸のそれぞれに沿って上界を得るステップが、できるだけ大きな体積を備えた前記単位超立方体の部分超立方体を決定するステップを備える請求項1に記載の方法。
- 単位超立方体のn個の軸のそれぞれに沿って上界を得るステップが、2つの集合の前記一方に存在する最大数の特徴点を備えた前記単位超立方体の部分超立方体を決定するステップを備える請求項1に記載の方法。
- 前記新しい規則によって定義される超立方体が、前記分類平面上に存在する頂点を有する請求項1に記載の方法。
- 前記変換された空間における前記単位超立方体が、前記変換された空間の座標系の原点に頂点を有する請求項1に記載の方法。
- 画像における特徴を分類するための方法であって、前記方法は、
n次元空間における複数の特徴点を提供するステップであり、それぞれの特徴点が、2つの集合の一方に含まれる要素である、前記提供するステップと、
2つの集合の中の第1の集合内に存在する特徴点を2つの集合の中の第2の集合内に存在する特徴点から分離する近似分類平面を決定するステップと、
分類平面をn次元の変換された空間に変換するステップと、
前記変換された空間における特徴領域のn個の軸のそれぞれに沿って上界を得るステップと、
前記上界を逆変換し、第1の集合内に存在する1つ以上の特徴点を含む新しい規則を得るステップと、
前記新しい規則によって包含される特徴点を前記第1の集合から除去するステップと、
前記新しい規則によって被覆されないn個の部分領域のそれぞれを逆変換するステップと、
前記第1の集合が、前記特徴点を除去した後に空でなければ、前記第1の集合の特徴点を含みかつ前記新しい規則によって被覆されない前記n個の部分領域ごとに、前記第1の集合が空になるまで、分類平面を変換する前記ステップ、上界を得る前記ステップ、前記上界を逆変換して新しい規則を得る前記ステップ、前記新しい規則によって包含される特徴点を除去する前記ステップを反復するステップと、
を備える方法。 - 新しい特徴点を提供するステップと、
前記新しい特徴点から前記分類平面までの法線を定義するステップと、
超立方体の中心に前記新しい特徴点を含む前記超立方体の頂点として前記分類平面と前記法線との交点を定義するステップと、
をさらに備える請求項11に記載の方法。 - 前記特徴点が、画像から抽出されたものである請求項11に記載の方法。
- 前記画像が、ディジタル医用画像である請求項13に記載の方法。
- 前記変換された空間が、正の成分を備えた前記変換された分類平面までの法線ベクトルを含む請求項11に記載の方法。
- 前記変換された空間が、前記2つの集合の中の第1の集合に含まれる1つ以上の特徴点のための特徴領域を含み、その特徴領域が、n個の軸を有する単位超立方体である請求項11に記載の方法。
- それぞれの前記新しい規則を備えた前記規則集合の和集合を形成するステップをさらに備え、前記ステップを反復することによって得られたそれぞれの新しい規則が、前記規則集合内のそれぞれの規則と0個の交点を有する請求項11に記載の方法。
- ディジタル医用画像における特徴を分類するための方法ステップを実行するためにコンピュータが実行することのできる命令からなるプログラムを具体的に実施するコンピュータ可読プログラム記憶装置であって、前記方法は、
N次元空間における複数の特徴点を提供するステップであり、前記特徴点が、ディジタル医用画像から抽出されたものであり、それぞれの特徴点が、2つの集合の一方に含まれる要素である、前記提供するステップと、
2つの集合の中の第1の集合内に存在する特徴点を2つの集合の中の第2の集合内に存在する特徴点から分離する近似分類平面を決定するステップと、
分類平面を変換するステップであり、前記変換された分類平面までの法線ベクトルが、正の成分を有し、前記2つの集合の一方に含まれる1つ以上の特徴点のための特徴領域が、n個の軸を有する変換された空間内における単位超立方体である、前記変換するステップと、
単位超立方体のn個の軸のそれぞれに沿って上界を得るステップと、
前記上界を逆変換し、前記2つの集合の前記一方に含まれる1つ以上の特徴点を含む新しい規則を得るステップと、
前記新しい規則によって包含される特徴点を、2つの集合の前記一方から除去するステップと、
を備えるコンピュータ可読プログラム記憶装置。 - 前記方法が、規則の集合を空集合に初期化し、前記新しい規則を備えた前記規則集合の和集合を形成するステップをさらに備える請求項18に記載のコンピュータ可読プログラム記憶装置。
- 2つの集合の前記一方が、前記特徴点を除去した後に空でなければ、
前記新しい規則によって被覆されないn個の部分領域ごとに、前記部分領域を逆変換するステップと、
2つの集合の前記一方が空になるまで、分類平面を変換する前記ステップ、上界を得る前記ステップ、前記上界を逆変換して新しい規則を得る前記ステップ、前記新しい規則によって包含される特徴点を除去する前記ステップを反復するステップと、
それぞれの前記新しい規則を備えた前記規則集合の和集合を形成するステップと、
をさらに備える請求項19に記載のコンピュータ可読プログラム記憶装置。 - 前記ステップが、前記n個の部分領域のうち、2つの集合の前記一方における特徴点を含む部分領域に対して反復され、2つの集合の前記一方に存在する特徴点をそれぞれの部分領域から探索するステップをさらに備える請求項20に記載のコンピュータ可読プログラム記憶装置。
- 前記ステップを反復することによって得られたそれぞれの新しい規則が、前記規則集合内に存在するそれぞれの規則と0個の交点を有する請求項20に記載のコンピュータ可読プログラム記憶装置。
- それぞれの部分領域が、深さ優先探索に基づいて探索される請求項21に記載のコンピュータ可読プログラム記憶装置。
- 単位超立方体のn個の軸のそれぞれに沿って上界を得るステップが、できるだけ大きな体積を備えた前記単位超立方体の部分超立方体を決定するステップを備える請求項18に記載のコンピュータ可読プログラム記憶装置。
- 単位超立方体のn個の軸のそれぞれに沿って上界を得るステップが、2つの集合の前記一方に存在する最大数の特徴点を備えた前記単位超立方体の部分超立方体を決定するステップを備える請求項18に記載のコンピュータ可読プログラム記憶装置。
- 前記新しい規則によって定義される超立方体が、前記分類平面上に存在する頂点を有する請求項18に記載のコンピュータ可読プログラム記憶装置。
- 前記変換された空間における前記単位超立方体が、前記変換された空間の座標系の原点に頂点を有する請求項18に記載のコンピュータ可読プログラム記憶装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US57779204P | 2004-06-08 | 2004-06-08 | |
US11/145,886 US7512276B2 (en) | 2004-06-08 | 2005-06-06 | System and method for feature identification in digital images based on rule extraction |
PCT/US2005/020067 WO2005124665A1 (en) | 2004-06-08 | 2005-06-07 | System and method for feature identification in digital images based on rule extraction |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2008501486A true JP2008501486A (ja) | 2008-01-24 |
Family
ID=34972013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007527674A Pending JP2008501486A (ja) | 2004-06-08 | 2005-06-07 | 規則抽出に基づいてディジタル画像における特徴を識別するためのシステムおよび方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US7512276B2 (ja) |
EP (1) | EP1756753A1 (ja) |
JP (1) | JP2008501486A (ja) |
AU (1) | AU2005255410B2 (ja) |
CA (1) | CA2569658A1 (ja) |
WO (1) | WO2005124665A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019522299A (ja) * | 2016-08-02 | 2019-08-08 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | ロバスト肺葉セグメンテーション |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7340441B1 (en) * | 2004-12-17 | 2008-03-04 | The Mathworks, Inc. | Search directions in pattern search via rotation |
US20150138078A1 (en) * | 2013-11-18 | 2015-05-21 | Eyal Krupka | Hand pose recognition using boosted look up tables |
JP2018534703A (ja) * | 2015-09-10 | 2018-11-22 | エスワイエヌシー−アールエックス、リミテッド | 自動画像特徴除去 |
-
2005
- 2005-06-06 US US11/145,886 patent/US7512276B2/en active Active
- 2005-06-07 WO PCT/US2005/020067 patent/WO2005124665A1/en active Application Filing
- 2005-06-07 CA CA002569658A patent/CA2569658A1/en not_active Abandoned
- 2005-06-07 AU AU2005255410A patent/AU2005255410B2/en not_active Ceased
- 2005-06-07 EP EP05757973A patent/EP1756753A1/en not_active Withdrawn
- 2005-06-07 JP JP2007527674A patent/JP2008501486A/ja active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019522299A (ja) * | 2016-08-02 | 2019-08-08 | コーニンクレッカ フィリップス エヌ ヴェKoninklijke Philips N.V. | ロバスト肺葉セグメンテーション |
Also Published As
Publication number | Publication date |
---|---|
US7512276B2 (en) | 2009-03-31 |
CA2569658A1 (en) | 2005-12-29 |
AU2005255410A1 (en) | 2005-12-29 |
AU2005255410B2 (en) | 2009-02-26 |
EP1756753A1 (en) | 2007-02-28 |
US20050286773A1 (en) | 2005-12-29 |
WO2005124665A1 (en) | 2005-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Özyurt et al. | A novel liver image classification method using perceptual hash-based convolutional neural network | |
Öztürk | Stacked auto-encoder based tagging with deep features for content-based medical image retrieval | |
Liu et al. | Generic perceptual loss for modeling structured output dependencies | |
Raza et al. | Lung-EffNet: Lung cancer classification using EfficientNet from CT-scan images | |
Sharma et al. | [Retracted] Lung Disease Classification in CXR Images Using Hybrid Inception‐ResNet‐v2 Model and Edge Computing | |
Li et al. | Neural-response-based extreme learning machine for image classification | |
Bozkurt | A deep and handcrafted features‐based framework for diagnosis of COVID‐19 from chest x‐ray images | |
Pawar et al. | Two‐Stage Hybrid Approach of Deep Learning Networks for Interstitial Lung Disease Classification | |
Alfifi et al. | Enhanced artificial intelligence system for diagnosing and predicting breast cancer using deep learning | |
Tripathy et al. | Brain MRI segmentation techniques based on CNN and its variants | |
EP4318322A1 (en) | Data processing method and related device | |
Saraf et al. | Deep learning challenges in medical imaging | |
JP2008501486A (ja) | 規則抽出に基づいてディジタル画像における特徴を識別するためのシステムおよび方法 | |
Hao et al. | Performance optimization of hunger games search for multi-threshold COVID-19 image segmentation | |
CN116805534A (zh) | 基于弱监督学习的疾病分型方法、系统、介质及设备 | |
CN115731412A (zh) | 一种基于群等变注意力神经网络的图像分类方法及其装置 | |
Zhang et al. | Classification of biomedical images using content based image retrieval systems | |
CN112465118A (zh) | 一种面向医学影像生成的低秩生成式对抗网络构建方法 | |
Rotemberg et al. | Towards' interpretable'artificial intelligence for dermatology. | |
Dilmi | Automatic COVID-19 diagnosis using deep learning features and support vector machines based on Bayesian optimization | |
Hassanien et al. | Rough set approach for classification of breast cancer mammogram images | |
Rajeashwari et al. | Enhancing pneumonia diagnosis with ensemble-modified classifier and transfer learning in deep-CNN based classification of chest radiographs | |
Fung et al. | Rule extraction from linear support vector machines via mathematical programming | |
Hosseini | Covid-19 detection using chest x-ray images based on machine learning and deep learning models: Further evidence from data augmentation | |
Nessipkhanov et al. | Deep CNN for the Identification of Pneumonia Respiratory Disease in Chest X-Ray Imagery |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090908 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20091109 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20091116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20100108 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20100518 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20100818 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20100825 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20100921 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20100929 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20101018 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20101025 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20101117 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20110510 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110810 Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110810 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110817 Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110817 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20110912 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20110920 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20111007 |
|
A602 | Written permission of extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A602 Effective date: 20111017 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20120207 |