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”

Trainable Segmentation Based on Local-level and Segment-level Feature Extraction

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F12%3APU100206" target="_blank" >RIV/00216305:26220/12:PU100206 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Trainable Segmentation Based on Local-level and Segment-level Feature Extraction

  • Popis výsledku v původním jazyce

    This paper deals with the segmentation of neuronal struc- tures in electron microscope (EM) stacks, which is one of the challenges of the ISBI 2012 conference. The data for the challenge consists of a stack of 30 EM slices for training and 30 EM stacks for testing. The training data was labelled by an expert human neuroanatomist. In this paper a segmentation using local-level and segment-level features and machine learning algorithms was used. The results achieved on the ISBI 2012 challenge test set were: the Rand error: 0.139038440, warping er- ror: 0.002641296 and pixel error: 0.102285508. The main criterion for segmentation evaluation was the Rand error.

  • Název v anglickém jazyce

    Trainable Segmentation Based on Local-level and Segment-level Feature Extraction

  • Popis výsledku anglicky

    This paper deals with the segmentation of neuronal struc- tures in electron microscope (EM) stacks, which is one of the challenges of the ISBI 2012 conference. The data for the challenge consists of a stack of 30 EM slices for training and 30 EM stacks for testing. The training data was labelled by an expert human neuroanatomist. In this paper a segmentation using local-level and segment-level features and machine learning algorithms was used. The results achieved on the ISBI 2012 challenge test set were: the Rand error: 0.139038440, warping er- ror: 0.002641296 and pixel error: 0.102285508. The main criterion for segmentation evaluation was the Rand error.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    IN - Informatika

  • 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)<br>S - Specificky vyzkum na vysokych skolach

Ostatní

  • Rok uplatnění

    2012

  • 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

    IEEE International Symposium on Biomedical Imaging

  • ISBN

    978-1-4673-1118-2

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    63

  • Strana od-do

    17-24

  • Název nakladatele

    Neuveden

  • Místo vydání

    Barcelona

  • Místo konání akce

    Barcelona

  • Datum konání akce

    2. 5. 2012

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku

    000308143100071