Smart Colonography for Distributed Medical Databases with Group Kernel Feature Analysis
Smart Colonography for Distributed Medical Databases with Group Kernel Feature Analysis
复制标题
具有组内核特征分析的分布式医疗数据库智能结肠成像
DOI：
10.1145/2668136
复制
发表时间：
2015
影响因子：
5
通讯作者：
Yoshida, Hiroyuki
中科院分区：
文献类型：
--
作者：
Motai, Yuichi;Ma, Dingkun;Docef, Alen;Yoshida, Hiroyuki
计算机断层扫描（CT）结肠造影中的息肉的计算机辅助检测（CAD）目前非常有限，因为每个医院/机构的单个数据库不提供用于训练CAD系统的分类算法的足够数据。为了解决这个限制，我们建议使用多个数据库，（例如，大数据研究），使用分布式计算技术创建多个机构范围的数据库，我们称之为智能结肠镜检查。智能结肠成像可以由通过分布式计算的多个机构的参与联网的更大的结肠成像数据库来构建。本文的动机是创建分布式数据库，通过覆盖许多真阳性病例来提高CAD诊断的检测精度。结肠造影数据分析可相互访问，以增加资源的可用性，从而增强放射科医生的知识。在这篇文章中，我们提出了一个可扩展的和高效的算法称为组核特征分析（GKFA），它可以应用于多个癌症数据库，使CAD的整体性能得到提高。所提出的GKFA方法背后的关键思想是允许特征空间随着训练的进行而更新，更多的数据从其他机构输入算法。实验结果表明，GKFA取得了很好的分类精度。
Computer-Aided Detection (CAD) of polyps in Computed Tomographic (CT) colonography is currently very limited since a single database at each hospital/institution doesn't provide sufficient data for training the CAD system's classification algorithm. To address this limitation, we propose to use multiple databases, (e.g., big data studies) to create multiple institution-wide databases using distributed computing technologies, which we call smart colonography. Smart colonography may be built by a larger colonography database networked through the participation of multiple institutions via distributed computing. The motivation herein is to create a distributed database that increases the detection accuracy of CAD diagnosis by covering many true-positive cases. Colonography data analysis is mutually accessible to increase the availability of resources so that the knowledge of radiologists is enhanced. In this article, we propose a scalable and efficient algorithm called Group Kernel Feature Analysis (GKFA), which can be applied to multiple cancer databases so that the overall performance of CAD is improved. The key idea behind the proposed GKFA method is to allow the feature space to be updated as the training proceeds with more data being fed from other institutions into the algorithm. Experimental results show that GKFA achieves very good classification accuracy.
登录
查看更多内容
影响因子：
4.8
作者：
Näppi, J;Yoshida, H
通讯作者：
Yoshida, H
在线与离线加速内核特征分析：在 CT 结肠成像中计算机辅助息肉检测的应用
影响因子：
4.4
作者：
L. Winter;Yuichi Motai;A. Docef
通讯作者：
A. Docef
DOI：
--
发表时间：
2003
期刊：
International Syposium on Methodologies for Intelligent Systems
影响因子：
--
作者：
Byung;J. Shim;Changha Hwang;I. Kim;Joon Hyun Song
通讯作者：
Joon Hyun Song
使用支持向量机进行偏振雷达目标分类
DOI：
--
发表时间：
2008
期刊：
影响因子：
--
作者：
F. Sadjadi
通讯作者：
F. Sadjadi
计算机断层结肠成像中的 CAD 技术、挑战和争议
影响因子：
--
作者：
Hiro Yoshida;A. Dachman
通讯作者：
A. Dachman