Detection of intracranial haemorrhages in head CT data based on deep learning

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F00216305%3A26220%2F20%3APU137079" target="_blank" >RIV/00216305:26220/20:PU137079 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.fekt.vut.cz/conf/EEICT/archiv/sborniky/EEICT_2020_sbornik_2.pdf" target="_blank" >https://www.fekt.vut.cz/conf/EEICT/archiv/sborniky/EEICT_2020_sbornik_2.pdf</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Detection of intracranial haemorrhages in head CT data based on deep learning

Popis výsledku v původním jazyce

In this paper, we present a method for detection of intracranial haemorrhages in the head CT data using convolutional neural networks. We introduce three 2D image classifiers that perform in three perpendicular anatomical planes and classify the CT slices into healthy or pathological, whereby they provide the information about the position of the haemorrhage in the 3D CT im-age. The accuracies of the three models are 90.19%, 88.15%, and 80.90% for the axial, sagital and coronal plane.

Název v anglickém jazyce

Detection of intracranial haemorrhages in head CT data based on deep learning

Popis výsledku anglicky

In this paper, we present a method for detection of intracranial haemorrhages in the head CT data using convolutional neural networks. We introduce three 2D image classifiers that perform in three perpendicular anatomical planes and classify the CT slices into healthy or pathological, whereby they provide the information about the position of the haemorrhage in the 3D CT im-age. The accuracies of the three models are 90.19%, 88.15%, and 80.90% for the axial, sagital and coronal plane.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20601 - Medical engineering

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2020

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings II of the 26th Conference STUDENT EEICT 2020

ISBN

978-80-214-5868-0

ISSN

—

e-ISSN

—

Počet stran výsledku

4

Strana od-do

72-75

Název nakladatele

Brno University of Technolog, Faculty of Electrical Engineering anf Communication

Místo vydání

Brno

Místo konání akce

BRNO

Datum konání akce

23. 4. 2020

Typ akce podle státní příslušnosti

CST - Celostátní akce

Kód UT WoS článku

000598376500019