Automatic Segmentation of Myocardial Infarction in Rats Subjected to Regional Ischemia

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F18%3APU129654" target="_blank" >RIV/00216305:26220/18:PU129654 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/67985823:_____/18:00501687

Výsledek na webu

<a href="http://www.cinc.org/archives/2018/pdf/CinC2018-128.pdf" target="_blank" >http://www.cinc.org/archives/2018/pdf/CinC2018-128.pdf</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.22489/CinC.2018.128" target="_blank" >10.22489/CinC.2018.128</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Automatic Segmentation of Myocardial Infarction in Rats Subjected to Regional Ischemia

Popis výsledku v původním jazyce

The experimental and preclinical studies of ischemia and reperfusion on animal models usually evaluate the sizes of area at risk (AR) of infarction and infarct area (IA) as fundamental parameters. The authors usually don’t provide any detailed information about the image processing of their data, though the IA or AR segmentation is often challenging and prone to be expert-depending. Here, we describe a new approach for automatic IA and AR segmentation based on combination of Random Forest classifier and two-step pixel-wise k-means classification of image pixels. The evaluation has been performed on the set of 16 images from 8 rat hearts. We compared sizes of normal perfused tissues, viable area and IA (normalized to percentage of total area) obtained by our method with manually segmentation by biologist. We achieved mean absolute error of 2.59% with mean standard deviation of 1.61%.

Název v anglickém jazyce

Automatic Segmentation of Myocardial Infarction in Rats Subjected to Regional Ischemia

Popis výsledku anglicky

The experimental and preclinical studies of ischemia and reperfusion on animal models usually evaluate the sizes of area at risk (AR) of infarction and infarct area (IA) as fundamental parameters. The authors usually don’t provide any detailed information about the image processing of their data, though the IA or AR segmentation is often challenging and prone to be expert-depending. Here, we describe a new approach for automatic IA and AR segmentation based on combination of Random Forest classifier and two-step pixel-wise k-means classification of image pixels. The evaluation has been performed on the set of 16 images from 8 rat hearts. We compared sizes of normal perfused tissues, viable area and IA (normalized to percentage of total area) obtained by our method with manually segmentation by biologist. We achieved mean absolute error of 2.59% with mean standard deviation of 1.61%.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20601 - Medical engineering

Projekt

<a href="/cs/project/GA18-03207S" target="_blank" >GA18-03207S: Vliv exprese lidského C-reaktivního proteinu na ischemickou toleranci srdce spontánně hypertenzních potkanů.</a><br>

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2018

Kód důvěrnosti údajů

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

Název statě ve sborníku

Computing in Cardiology 2018

ISBN

—

ISSN

2325-887X

e-ISSN

—

Počet stran výsledku

4

Strana od-do

1-4

Název nakladatele

Computing in Cardiology

Místo vydání

Maastricht, Netherlands

Místo konání akce

Maastricht

Datum konání akce

23. 9. 2018

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000482598700116