Ứng dụng phương pháp học đa nhân trong phân lớp ảnh MRI bệnh u não
Article Sidebar
Main Article Content
Ứng dụng phương pháp học đa nhân trong phân lớp ảnh MRI bệnh u não
Abstract
Trong vài thập kỷ gần đây, phân tích hình ảnh y tế đã trở thành một lĩnh vực quan trọng nhằm đưa ra các dự đoán định hướng cho nhân viên y tế, đặc biệt có ích cho các công việc chẩn đoán thường xuyên, liên tục với số lượng lớn. Các hình ảnh y tế cùng loại tại cùng một bộ phận có rất nhiều điểm tương đồng, hoàn toàn có thể sử dụng máy vi tính cùng các thuật toán thông minh để phát hiện ra các điểm bất thường trên hình ảnh. Bài báo này trình bày kết quả của một mô hình máy học sử dụng phương pháp học đa nhân (Multiple Kernel Learning) thông qua việc huấn luyện và kiểm thử với bộ ảnh MRI về u não của dự án MICCAI BRATS 2012. Kết quả, sử dụng phương pháp đánh giá theo kiểu thẩm tra chéo (Cross-Validation) cho kết quả dự đoán là F1-score = 82%. Đây là một kết quả khả quan đối với một mô hình phân lớp nhị phân.
Article Details
This work is licensed under a Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.
References
- L. Wei, Y. Yang, R.M. Nishikawa, Y. Jiang (2005). A study on several machine-learning methods for classification of malignant and benign clustered microcalcifications, IEEE Trans. Med. Imaging 24, pp. 371-380.
- T. Ojala, M. Pietikainen, T. Maenpaa (2002). Multiresolution gray-scale and rotation invariant texture classification with local binary patterns, IEEE Trans. Pattern Anal. Mach. Intell. 24, pp. 971-987.
- Cortes, C., & Vapnik, V. (1995). Support-vector networks, Machine Learning, 20(3), pp. 273-297.
- Cover, T. M., & Hart, P. E. (1967). Nearest neighbor pattern classification, IEEE Transactions on Information Theory, 13(1), pp. 21-27.
- McCallum, A., & Nigam, K. (1998). A comparison of event models for Naive Bayes text classification, AAAI-98 workshop on learning for text categorization, 752(1), pp. 41-48.
- S. Sonnenburg, G. Raatsch, C. Schaafer, B. Schoalkopf (2006). Large scale multiple kernel learning, J. Mach. Learn. Res. 7, pp. 1531-1565.
- G. Tsai (2010). Histogram of Oriented Gradients, University of Michigan.
- G. Charpiat, M. Hofmann, B. Scholkopf (2015). Kernel Methods in Medical Imaging, Springer, US.