×
冬天，拉希鲁卡;Yuichi Motai;阿伦·多塞夫

在线与离线加速核特征分析：在CT结肠成像中应用计算机辅助检测息肉。 （英语） Zbl 1194.94148号

信号处理。 90，第8期，2456-2467（2010）.
摘要：提出了一种半监督学习方法——在线加速核特征分析（Online-AKFA）。在在线AKFA中，随着算法的进展，在小批量向算法提供数据的同时提取特征。本文比较了在线AKFA和离线AKFA在CT结肠造影中的应用。在线AKFA提供了灵活性，允许特征空间在训练阶段随时间动态调整输入数据的变化。通过核主成分分析（KPCA）、离线AKFA和在线AKFA对该方法的计算时间、重建精度、投影方差和分类性能进行了实验评估。实验结果表明，与本文考虑的其他特征提取方法相比，在线AKFA的计算时间显著减少。

MSC公司：

94甲12 信号理论（表征、重建、滤波等）

关键词：

在线学习;加速核特征分析;提取特征;计算机断层结肠造影

软件：

STPR工具
PDF格式BibTeX公司 XML格式引用
\textit{L.Winter}等人，《信号处理》。90，第8号，2456--2467（2010；Zbl 1194.94148）
全文： 内政部

参考文献：

[1] Winawer，S。；弗莱彻，R。；雷克斯·D·。；邦德，J。；伯特，R。；费鲁奇，J。；Ganiats，T。；莱文，T。；Woolf，S。；约翰逊，D。；柯克·L。；Litin，S。；Simmang，C.：《结直肠癌筛查和监测：临床指南和理论基础-基于新证据的更新》，《肠胃病学》124，544-560（2003）
[2] 身体，K.D。；弗莱彻，J.G。；Engelby，T。；佩西瓦尔，M。；克里斯滕森，J.A。；Young，B。；Krych，A.J。；Vander Kooi，哥伦比亚特区。；Rodysill，D。；Fidler，J.L。；Johnson，C.D.：非放射科医生是美国科学院CT结肠成像的第二读者。无线电。12, 67-73 (2005)
[3] 弗莱彻，J.G。；Booya，F。；约翰逊，C.D。；Ahlquist，D.：CT结肠造影：解开曲折，Curr。意见。胃肠病学。21, 90-98 (2005)
[4] Yoshida，H。；Dachman，A.H.：计算机断层结肠成像中的CAD技术、挑战和争议，Abdom。成像30，26-41（2005）
[5] Yoshida，H。；Näppi，J.：检测结肠息肉的三维计算机辅助诊断方案，IEEE trans。医学成像20，1261-1274（2001）
[6] 萨默斯，R.M。；Beaulieu，C.F。；Pusanik，L.M。；Malley，J.D。；小R.B.Jeffrey；格雷泽，D.I。；Napel，S.：用于CT结肠成像的自动息肉探测器：可行性研究，放射学216284-290（2000）
[7] 萨默斯，R.M。；Franaszek，M。；米勒，M.T。；Pickhardt，P.J。；Choi，J.R。；辛德勒，W.R.：口腔造影增强CT结肠成像中息肉的计算机辅助检测，AJR am。J。伦琴诺。184, 105-108 (2005)
[8] 亲吻，G。；Van Cleynenbreugel，J。；托米尔，M。；苏伊滕斯，P。；Marchal，G.：结合表面法线和球体拟合方法进行虚拟结肠造影的计算机辅助诊断，欧洲放射学会。12, 77-81 (2002)
[9] Paik，D.S。；Beaulieu，C.F。；鲁宾，G.D。；Acar，B。；小R.B.Jeffrey；Yee，J。；戴伊·J。；Napel，S.：《表面正常重叠：螺旋CT结肠息肉和肺结节的计算机辅助检测算法》，IEEE trans。医学成像23，661-675（2004）
[10] Jerebko，A.K。；萨默斯，R.M。；Malley，J.D。；Franaszek，M。；Johnson，C.D.：《使用神经网络和二叉分类树的CT结肠成像计算机辅助检测结肠息肉》，Med.phys。30, 52-60 (2003)
[11] Näppi，J。；弗里梅尔，H。；Dachman，A.H。；Yoshida，H.：一种新的高性能CAD方案，用于在CT结肠成像中检测息肉，医学成像2004图像处理。，839-848 (2004)
[12] Jerebko，A.K。；Malley，J.D。；Franaszek，M。；Summers，R.M.：用于检测CT结肠造影数据集中结肠息肉的多神经网络分类方案，Acad。无线电。10, 154-160 (2003)
[13] Jerebko，A.K。；Malley，J.D。；Franaszek，M。；Summers，R.M.：支持向量机委员会CT结肠成像中计算机辅助息肉检测的分类方法，美国科学院。无线电。12, 479-486 (2005)
[14] Kim，B.J。；Kim，I.K。；Kim，K.B.：非线性和在线数据的特征提取和分类系统，Adv.knowl。发现数据最小进程。3056171-180（2004年）
[15] 郑伟。；邹，C。；Zhao，L.：一种改进的核主成分分析算法，神经过程。莱特。22，第1期，49-56（2005）
[16] Kivinen，J。；Smola，A.J。；Williamson，R.C.：内核在线学习，IEEE trans。信号处理。52，第8期，2165-2176（2004）·Zbl 1369.68281号
[17] 小泽，S。；庞，S。；Kasabov，N.：在线模式分类系统的块数据增量学习，IEEE trans。神经网络19，No.6，1061-1074（2008）
[18] 赵洪涛。；袁，P.C。；郭，J.T.：一种新的增量主成分分析及其在人脸识别中的应用，IEEE trans。系统。人的网络。B-网络。36，第4期，873-886（2006）
[19] Li，Y.M.：关于增量和鲁棒子空间学习，模式识别37，No.7，1509-1518（2004）·Zbl 1070.68591号 ·doi:10.1016/j.patcog.2003.11.010
[20] Kim，Y.：图像处理的增量主成分分析，Opt。利特。32，第1号，32-34（2007）
[21] B.J.Kim，I.K.Kim，《用于分类的增量非线性PCA》，载于：《数据库中的知识发现》（PKDD 2004），《论文集》，第3202卷，2004年，第291–300页。
[22] Kim，B.J。；Shim，J.Y。；Hwang，C.H。；Kim，I.K。；Song，J.H.：基于经验核映射的增量特征提取，Found。互联网。系统。2871, 440-444 (2003) ·Zbl 1070.68547号
[23] 霍格茨，L。；德拉特豪沃，L。；戈塔尔斯，I。；苏肯斯，J.A.K。；范德维尔，J。；De Moor，B.：《有效更新和跟踪主要核心主成分》，《神经网络》第20期第2期，第220-229页（2007年）·Zbl 1111.68101号 ·doi:10.1016/j.neunet.2006.09.012
[24] Chin，T.J。；Suter，D.：增量核主成分分析，IEEE trans。图像处理。16，第6期，1662-1674（2007）
[25] X.Jiang，Y.Motai，R.Snapp，X.Zhu，加速内核特征分析，载于：《IEEE计算机学会计算机视觉与模式识别会议论文集》，2006年，第109–116页。
[26] Vapnik，V.N.：统计学习理论的本质，（2000年）·兹比尔0934.62009
[27] R.Courant，D.Hilbert，《数学物理方法》，第1卷，1966年，第138-140页。
[28] O.L.Mangasarian，A.J.Smola，B.Schölkopf，稀疏核特征分析，技术报告99-04，威斯康星大学，1999年。
[29] A.J.Smola，B.Schölkopf，机器学习的稀疏贪婪矩阵近似，载《第17届机器学习国际会议论文集》，2000年。
[30] Schölkopf，B。；Smola，A.J.：用内核学习（2002）·Zbl 1019.68094号
[31] J.Meltzer，S.Soatto，M.H.Yang，R.Gupta，通过核主成分分析从图像序列中提取多视图特征描述符，收录于：Computer Vision-ECCV 2004，2004，第215-227页·Zbl 1098.68815号 ·doi:10.1007/b97865
[32] 米卡，S。；Schölkopf，B。；Smola，A。；米勒，K。；Scholz，M。；Rätsch，G.：《核主成分分析与特征空间去噪》，Nips，536-542（1998）
[33] Schölkopf，B。；米卡，S。；伯格斯，C。；Knirsch，P。；米勒，K。；Rätsch，G。；Smola，A.：基于内核的方法中的输入空间与特征空间，IEEE trans。神经网络10，No.5，1000-1017（1999）
[34] Schölkopf，B。；Smola，A。；Müller，K.：作为核心特征值问题的非线性分量分析，神经计算。10, 1299-1319 (1998)
[35] Tipping，M.E.：稀疏核主成分分析，Nips，633-639（2000）
[36] 杜达，R.O。；哈特，体育。；斯托克·D·G：模式分类（2001）·兹伯利0968.68140
[37] 郭敬通（Kwok，J.T.）。；Tsang，I.W.：核方法中的预图像问题，Icml，408-415（2003）
[38] Sarma，P。；杜洛夫斯基，L.J。；Aziz，K.：多点地质统计学有效可微参数化的核主成分分析，数学。geosci公司。40，第1期，第3-32页（2008年）·Zbl 1144.86004号 ·doi:10.1007/s11004-007-9131-7
[39] J.Franc，V.Hlavac，Matlab统计模式识别工具箱，langle；http://cmp.felk.cvut.cz/xfrancv/stprtool/\范围；，2004
[40] 李，J。；黄，A。；姚，J。；Liu，J.M。；Van Uitert，R.L。；Petrick，N。；Summers，R.M.：通过改进Pareto front，Med.phys.，优化CT结肠成像的计算机辅助结肠息肉检测。36，第1期，201-212（2009）
[41] 罗宾逊，C。；Halligan，S。；Taylor，S.A。；马利特，S。；Altman，D.G.：《CT结肠成像：计算机辅助检测研究报告标准的系统综述》，《放射学》246，第2期，426-433页（2008年）
[42] 比伦，D。；Kiss，G.：CT结肠造影的计算机辅助检测：2007年更新，Abdom。图像32，第5期，571-581（2007）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。