データ観測点の隣接情報を考慮したクラス分類法とそのIVUSデータへの応用

内野 英治; 末竹 規哲; 久保田 良輔; 坂野 盛彦; 橋本 弦太; 廣 高史; 松崎 益徳

doi:10.14864/fss.22.0.75.0

第22回ファジィシステムシンポジウム

セッションID: 6F1-1

DOI https://doi.org/10.14864/fss.22.0.75.0

会議情報

主催: 日本知能情報ファジィ学会

データ観測点の隣接情報を考慮したクラス分類法とそのIVUSデータへの応用

内野英治, 末竹規哲, *久保田良輔, 坂野盛彦, 橋本弦太, 廣高史, 松崎益徳

著者情報

キーワード: 分類, 隣接情報, 血管内超音波, 学習ベクトル量子化, k近隣法

会議録・要旨集フリー

詳細

抄録

従来のクラス分類法では，全てのデータを一つの特徴ベクトル空間に写像するので，異なるクラスに属するデータ集合間に分布の重なりがある場合に，クラス境界が曖昧になり，分類精度が悪化する．本研究では，データ集合毎に独立した特徴ベクトル空間を構築し，判別対象データの持つ局所的な空間位置情報と特徴ベクトルを総合的に考慮したクラス分類法を提案する．提案するクラス分類法を，血管内超音波画像の組織性状判別に適用し，その有効性を示す．

責任著者(Corresponding author)

J-STAGEへの登録はこちら（無料）