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