HFSOF：超音波検査による子宮内膜病変診断のための階層的特徴選択および最適化フレームワーク

科学分野:

• 医用画像
• 人工知能
• 婦人科

背景:

• 子宮内膜病変は一般的で異質であり、診断上の課題をもたらす。
• 超音波検査は診断に好まれるが、術者依存性があり、主観性を生じさせる。
• 現在の診断方法には、客観性と一貫性が欠けている。

研究 の 目的:

• 子宮内膜病変のための階層的特徴選択および最適化フレームワークを開発すること。
• 超音波検査に基づく診断の客観性と堅牢性を向上させること。
• 子宮内膜病変分類の精度と信頼性を向上させること。

主な方法:

• 非線形次元削減のためのカーネル主成分分析（KPCA）。
• 特徴ランキングおよび融合のためのフィルター法（情報利得、カイ二乗、対称性不確実性）のアンサンブル。
• 特徴最適化およびサポートベクターマシン（SVM）分類器トレーニングのためのホエールマイグレーションアルゴリズム（WMA）。

主要な成果:

• 提案されたフレームワークは、非線形構造を維持しながら次元削減を効果的に行う。
• 特徴融合および閾値処理手法により、選択精度が向上した。
• WMA最適化SVM分類器は、堅牢なパフォーマンスと汎化性能を達成した。

結論:

• 開発されたパイプラインは、解釈可能で、再現性があり、効率的なインテリジェント診断ソリューションを提供する。
• このアプローチは、子宮内膜病変に対する術者依存的な超音波検査の限界に対処する。
• このフレームワークは、小規模から中規模の医用画像データセットに有望である。