Impact of Chest X-ray Images Enhancement to COVID-19 Classification Using Vector Quantization and Fuzzy S-tree

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F22%3A10250400" target="_blank" >RIV/61989100:27240/22:10250400 - isvavai.cz</a>

Výsledek na webu

<a href="https://link.springer.com/chapter/10.1007/978-3-031-14627-5_38" target="_blank" >https://link.springer.com/chapter/10.1007/978-3-031-14627-5_38</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-3-031-14627-5_38" target="_blank" >10.1007/978-3-031-14627-5_38</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Impact of Chest X-ray Images Enhancement to COVID-19 Classification Using Vector Quantization and Fuzzy S-tree

Popis výsledku v původním jazyce

The chest X-ray (CXR) is a cheap and accurate method for lung-related disease diagnosis. The paper focuses on the COVID-19 detection in CXR images using the fuzzy medical image retrieval (FMIR) approach. Medical images often suffer from unbalanced brightness and low contrast, which reduce their readability. Therefore, an enhancement method is applied here to obtain a wider dynamic range of intensities and improve the visibility of details. The experiments test various parameters settings of the FMIR and compare the classification performance of the FMIR applied to original and enhanced images. The results show that the enhancement slightly improves the sensitivity, specificity and accuracy of the proposed method. (C) 2022, The Author(s), under exclusive license to Springer Nature Switzerland AG.

Název v anglickém jazyce

Impact of Chest X-ray Images Enhancement to COVID-19 Classification Using Vector Quantization and Fuzzy S-tree

Popis výsledku anglicky

The chest X-ray (CXR) is a cheap and accurate method for lung-related disease diagnosis. The paper focuses on the COVID-19 detection in CXR images using the fuzzy medical image retrieval (FMIR) approach. Medical images often suffer from unbalanced brightness and low contrast, which reduce their readability. Therefore, an enhancement method is applied here to obtain a wider dynamic range of intensities and improve the visibility of details. The experiments test various parameters settings of the FMIR and compare the classification performance of the FMIR applied to original and enhanced images. The results show that the enhancement slightly improves the sensitivity, specificity and accuracy of the proposed method. (C) 2022, The Author(s), under exclusive license to Springer Nature Switzerland AG.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10200 - Computer and information sciences

Projekt

<a href="/cs/project/GF22-34873K" target="_blank" >GF22-34873K: Vícekriteriální optimalizace s omezeními pomocí analýzy potenciálních ploch</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Rok uplatnění

2022

Kód důvěrnosti údajů

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

Název statě ve sborníku

Lecture Notes in Networks and Systems. Volume 527

ISBN

978-3-031-14626-8

ISSN

2367-3370

e-ISSN

2367-3389

Počet stran výsledku

9

Strana od-do

371-379

Název nakladatele

Springer

Místo vydání

Cham

Místo konání akce

Sanda

Datum konání akce

7. 9. 2022

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—