Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Data Reduction In Classification Of 3-D Brain Images In The Schizophrenia Research

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216224%3A14110%2F10%3A00065559" target="_blank" >RIV/00216224:14110/10:00065559 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Data Reduction In Classification Of 3-D Brain Images In The Schizophrenia Research

  • Popis výsledku v původním jazyce

    Multidimensional image data are usually reduced during preprocessing to lower high computational requirements and to cope with the well-known small sample size problem in the huge data analysis. Two reduction methods based on principal component analysis(PCA) are compared and further modified here to be used in classification of 3-D MRI brain images of first-episode schizophrenia patients and healthy controls. The first reduction method is the two-dimensional principal component analysis (2DPCA) and the second one is the PCA based on covariance matrix of persons (pPCA). The classification efficiency of data reduced by 2DPCA and pPCA are compared while using various input image data and two classification methods ? the centroid method and the average linkage method.

  • Název v anglickém jazyce

    Data Reduction In Classification Of 3-D Brain Images In The Schizophrenia Research

  • Popis výsledku anglicky

    Multidimensional image data are usually reduced during preprocessing to lower high computational requirements and to cope with the well-known small sample size problem in the huge data analysis. Two reduction methods based on principal component analysis(PCA) are compared and further modified here to be used in classification of 3-D MRI brain images of first-episode schizophrenia patients and healthy controls. The first reduction method is the two-dimensional principal component analysis (2DPCA) and the second one is the PCA based on covariance matrix of persons (pPCA). The classification efficiency of data reduced by 2DPCA and pPCA are compared while using various input image data and two classification methods ? the centroid method and the average linkage method.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    FH - Neurologie, neurochirurgie, neurovědy

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

  • Návaznosti

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Ostatní

  • Rok uplatnění

    2010

  • Kód důvěrnosti údajů

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Údaje specifické pro druh výsledku

  • Název statě ve sborníku

    Analysis of Biomedical Signals and Images, Biosignal-Brno

  • ISBN

    9788021441064

  • ISSN

    1211-412X

  • e-ISSN

  • Počet stran výsledku

    6

  • Strana od-do

    69-74

  • Název nakladatele

    Brno University of Technology VUT Press

  • Místo vydání

    Brno, Czech Republic

  • Místo konání akce

    Brno, Czech Republic

  • Datum konání akce

    27. 6. 2010

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000303723700011