口腔粘膜疾病很可能在治疗后引起各种疾病，发生在一个称为口腔的领域。因此，我们正在开发一种诊断支持系统，用于口腔粘膜疾病的早期筛查。在系统开发中，疾病区域的切口与原始口腔内图像存在个体差异。在本研究中，我们分析了剪切区域、提取特征和分类率之间的关系，并调查了个体差异之间的关系。因此，我们把重点放在了如何消除受试者上。然后使用集成学习的口腔粘膜诊断支持系统进行组分类和识别。实验结果揭示了切除范围、识别率和特征值之间的关系。

1. [1] 日本国家癌症中心，“2017年癌症统计预测”https://ganjoho.jp/reg_stat/statistics/stat/short_pred.html（日语）【2018年2月20日访问】
2. [2] M.W.Finkelstein，“口腔粘膜病变临床鉴别诊断指南”，dentalcare.com，2010年。
3. [3] M.Radwan-Oczko和M.Mendak，“口腔白斑和扁平苔藓的鉴别诊断——基于文献和自身观察”，J.Stoma。，第64卷，第5-6期，第355-370页，2011年。
4. [4] S.E.Mofty，“口腔癌的早期检测”，《口腔颌面外科杂志》，第1卷，第25-31页，2010年。
5. [5] M.W.Lingen、J.R.Kalmar、T.Karrison和P.M.Speight，“口腔癌诊断辅助工具的关键评估”，《口腔肿瘤学》，第44卷，第1期，第10-22页，2007年。
6. [6] K.Doi，“医学成像中计算机辅助诊断的现状和未来潜力”，《英国放射学杂志》，第78卷，第1期，第s3-s19页，2014年。
7. [7] K.Anuradha和K.Sankaranarayanan，“早期检测口腔癌的可疑区域识别——文献综述”，《工程广告技术进展国际期刊》，第3卷，第1期，第84-91页，2012年。
8. [8] P.Wilder-Smith、J.Holtzman、J.Epstein和A.Le，“口腔的光学诊断：概述”，《口腔疾病》，第16卷，第717-728页，2010年。
9. [9] P.M.Lane，T.Gilhuly，P.D.Whitehead等人，“口腔组织荧光直接可视化的简单装置”，《生物医学光学杂志》，第11卷，第2期，第024006条，2006年。
10. [10] C.J.C.Burges，《模式识别支持向量机教程》，《数据挖掘和知识发现》，第2卷，第121-167页，1998年。
11. [11] S.Motoki、K.Saito、M.Habu、K.Horio和K.Tominaga，“基于口腔内图像的口腔粘膜疾病识别中图像分辨率的影响”，Proc。亚洲智能信息媒体系统国际研讨会（SISA2014），第46-49页，2014年。
12. [12] K.Horio、S.Motoki、K.Saito、M.Habu和K.Tominaga，“基于口内图像的口腔粘膜疾病诊断支持系统中手动图像剪切的效果”，2015年第15届国际学术研讨会。通信和信息技术（ISCIT），第133-136页，2015年。
13. [13] Y.Nishi、K.Horio、K.Saito、M.Habu和K.Tominaga，“专家诊断过程激发的口腔粘膜疾病识别”，《医学与生物工程杂志》，第2卷，第1期，第57-61页，2013年。
14. [14] I.W.Scopp，“口腔医学与基础科学相关的临床方法”，第2版，C.V.Mosby公司，1973年。
15. [15] N.K.Wood和P.W.Goaz，“口腔军团的不同诊断”，第3版，C.V.Mosby公司，1985年。
16. [16] N.Ozaki、K.Saito、T.Ohtani、M.Habu、K.Tominaga和K.Horio，“在口腔粘膜疾病诊断支持系统中抵抗个体差异的集成分类器”，Proc。《亚洲智能信息媒体系统国际研讨会》，第SS6-2号，第258-262页，2016年。