Fuzzy c-means with wavelet filtration for MR image segmentation
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F14%3A86092828" target="_blank" >RIV/61989100:27240/14:86092828 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/61989100:27740/14:86092828
Výsledek na webu
<a href="http://dx.doi.org/10.1109/NaBIC.2014.6921884" target="_blank" >http://dx.doi.org/10.1109/NaBIC.2014.6921884</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.1109/NaBIC.2014.6921884" target="_blank" >10.1109/NaBIC.2014.6921884</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Fuzzy c-means with wavelet filtration for MR image segmentation
Popis výsledku v původním jazyce
In this paper, we present an image segmentation technique based on fuzzy c-means (FCM) incorporated with wavelet domain noise filtration. With the use of image noise feature estimation composed of preliminary coefficient classification and wavelet domainindicator, a filter for balancing the preservation of relevant details against the degree of noise reduction can be created. The filter is further incorporated with FCM algorithm into the membership function for clustering. This approach allows FCM notonly to exploit useful spatial information, but also dynamically minimize clustering errors caused by common noise in medical images. Experimental results suggest its usefulness for reducing FCM clustering noise sensitivity. In MR image segmentation applications, the proposed method outperforms other FCM variations, in terms of quantitative performance measure and visual quality. 2014 IEEE.
Název v anglickém jazyce
Fuzzy c-means with wavelet filtration for MR image segmentation
Popis výsledku anglicky
In this paper, we present an image segmentation technique based on fuzzy c-means (FCM) incorporated with wavelet domain noise filtration. With the use of image noise feature estimation composed of preliminary coefficient classification and wavelet domainindicator, a filter for balancing the preservation of relevant details against the degree of noise reduction can be created. The filter is further incorporated with FCM algorithm into the membership function for clustering. This approach allows FCM notonly to exploit useful spatial information, but also dynamically minimize clustering errors caused by common noise in medical images. Experimental results suggest its usefulness for reducing FCM clustering noise sensitivity. In MR image segmentation applications, the proposed method outperforms other FCM variations, in terms of quantitative performance measure and visual quality. 2014 IEEE.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
IN - Informatika
OECD FORD obor
—
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2014
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
NaBIC 2014 ; CASoN 2014 : July 30-31, Porto, Portugal
ISBN
978-1-4799-5937-2
ISSN
—
e-ISSN
—
Počet stran výsledku
5
Strana od-do
12-16
Název nakladatele
IEEE
Místo vydání
New York
Místo konání akce
Porto
Datum konání akce
30. 7. 2014
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—