ワイヤレスカプセル内視鏡動画における出血フレームと領域検出

Bleeding Frame and Region Detection in the Wireless Capsule Endoscopy Video
Yixuan Yuan, Baopu Li, Max Q.-H. Meng
IEEE Journal of Biomedical and Health Informatics ( Volume: 20, Issue: 2, March 2016 )

“ワイヤレスカプセル内視鏡(WCE)は,患者の全ての消化器の非侵襲かつ無痛の直接視覚検査を可能にする.しかし,臨床医による大量の画像検討には長時間費やさなければならない.そこで医師の負担を軽減する為のコンピュータ自動支援システムが求められている.本論文では,色特徴量抽出手法を提案し,動画から出血フレームを判別する.加えてその画像から出血領域の特定を行う.我々の提案は二つのシステムに基づいて構成されている.まず,WCE画像の色情報を活用し,画像上でk-meansクラスタリングを用いてクラスタ重心を求め,色ヒストグラムを用いてWCE画像の特徴量を算出する.続いて,SVM(Support Vector Machine)とK近傍法を適用し,WCE動画のフレーム状態を評価する.総合的な実験結果としては,YCbCr色空間,クラスタ数80,およびSVMを用いることで最も優れた分類性能が得られることを実証した.達成された分類性能は,精度95.75¥%,AUCが0.9771に達し,提案手法が出血フレーム分類のための高い性能を誇ることを立証した.
続いて,出血領域を強調するための2段階特徴抽出手法を提案する.第一段階は,異なる複数のカラーチャンネルで作成され,第二段階でより視覚的なコントラストが得られる出血領域を強調する.適切な融合と閾値にしたがって領域を特定する.定量的および定性的結果は,本手法が出血領域を正常に判別可能であることを示す.”

オートエンコーダーを用いたアンサンブルExtreme Learning Machineに基づくリモートセンシングの画像分類

Remote Sensing Image Classification Based on Ensemble Extreme Learning Machine With Stacked Autoencoder
Lv, Fei and Han, Min and Qiu, Tie
IEEE Access, vol. 5, pp. 9021-9031, 2017

分類は,リモートセンシングで最も人気のあるトピックの1つである.リモートセンシングデータは複雑であり,ラベルされたトレーニングサンプルの数がリモートセンシング画像の分類における性能および効率を制限してしまうという問題がある.これらの問題のために,過去20年間に膨大な数の方法が提案された.しかし,それらの大部分は良好な性能をもたらさない.本論文では,ELMのアンサンブルに基づくリモートセンシング画像分類アルゴリズムSAE-ELMを提案する.まず,アンサンブルの分類精度を向上させるために,標本データに特徴的なセグメンテーションとSAEを採用し,ベース分類器間の多様性を向上させる.さらに,アルゴリズムの学習速度を向上させるために,ELMニューラルネットワークをベース分類器として選択する.最後に,最終的なアンサンブルベースの分類器を決定するために,Q-statisticsを用いた.実験では,提案アルゴリズムをBagging,Adaboost,Random Forestらと比較し,提案アルゴリズムが低解像度,中解像度,高解像度,ハイスペクトラムのリモートセンシング画像で高い分類精度を得るだけでなく,UCIデータにおいて,高い安定性と汎用性を示した.

遺伝的プログラミングを用いたエッジ検出のための低次特徴抽出

Low-Level Feature Extraction for Edge Detection Using Genetic Programming
IEEE Transactions on Cybernetics, Vol. 44.8, pp. 1459-1472, 2014
20170914_kkobayashi

エッジ検出は代表的なタスクである.従来はmoving window 手法が用いられるが,エッジ検出における窓サイズは,位置精度とノイズ除去とのトレードオフの関係である.識別されたピクセルの近傍を探索して新しいエッジ検出器を構成するための自動技術は,異なるタスクを満たすために魅力的である.本論文では,自然な画像中のエッジを検出するための低次主観的エッジ検出器を新たに構築するために,ピクセルを自動的に探索する遺伝的プログラミング(GP)システムを提案する.また,GP によるエッジ検出器によって選択されたピクセルを分析する.自動的にピクセルを探索することにより,大きな窓からエッジをぼかす問題や小さな窓からのノイズの影響を避けることが可能である.線形および二次フィルタは,これらのGP によるエッジ検出器において高頻度で発生するピクセルから構築される.実験結果は,提案されたGP によるシステムが良い性能であることを示している.GP によって選択されたピクセルと固定ウィンドウ内のすべてのピクセルとを比較すると,GP によって選択されたピクセルの集合はコンパクトであるが,良好なエッジ検出器を構築するのに十分であることを示す.

脳波を用いた感情認識のための特徴抽出と選択

Feature Extraction and Selection for Emotion
Recognition from EEG
IEEE Transactions on Affective Computing, Vol.5, No.3, pp.327-339, 2014
20170510_hwada

EEG 信号からの感情認識は,人間と機械との相互作用における重要な要素と考えられるユーザーの内部状態を
直接評価することを可能とする.特徴抽出のために多くの方法が研究されており,神経科学的知見に基づいた適切
な特徴と電極位置の選択が行われている.しかし,感情認識に対する適合性は,少量の別個の特徴セットやデー
タセットを用いて評価されている.大きな制約として機能の系統的な比較がないことが挙げられる.そこで,我々
は33 の研究に基づいて,脳波から感情認識のための特徴抽出法を検討する.自己記録データセット上の特徴選択
のための機械学習技術を用いて,これらの特徴を比較する評価を行う.結果は,異なる特徴選択の実行,選択され
た特徴量,および電極位置の選択に関して掲示した.多変量法により選択された特徴は,単変量法よりわずかに
優れていた.高度な特徴抽出技術は,一般的に使用されるスペクトルパワーバンドよりも利点を有することが分
かった.結果は頭頂葉および,中心から頭頂葉の上の位置を優先することを示唆した.

眼球運動を用いない運転者注視領域推定

Driver Gaze Region Estimation without Use of Eye Movement
IEEE Intelligent Systems, Volume 31, Issue 3, pp.49-56, 2016
20170130_snakamura

運転者の視覚的注意の配分の自動推定は,将来の高度な運転支援システムの重要な要素となり得る。理論的に は,視覚に基づく眼の追跡は,注視位置の良好な推定を提供することができる.しかし,実際にはサングラス,眼 鏡の反射,照明条件,目を閉じる,被写体ブレなどの要因により,ビデオからのアイトラッキングが困難である. 一方,頭部ポーズの推定は,これらの効果の多くに対して頑強であるが,注視を局所化する際に細かい分解能を 提供することはできない.ドライバの安全を保つためには,視線を領域に分割するだけで十分である.そこで提 案手法は,顔の特徴を抽出し,その空間的な構成をリアルタイムで6 つの領域に分類するシステムである.提案 された方法は,オンロードでの研究からの50 人の運転者のデータセットで,11Hz の平均決定率で平均91.4 %の精度を達成する.