Data Reduction in Classification of 3-D Brain Images in the Schizophrenia Research

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F65269705%3A_____%2F10%3A%230001056" target="_blank" >RIV/65269705:_____/10:#0001056 - isvavai.cz</a>

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Data Reduction in Classification of 3-D Brain Images in the Schizophrenia Research

Popis výsledku v původním jazyce

Multidimensional image data are usually reduced during preprocessing to lower high computational requirements and to cope with the well-known small sample size problem in the huge data analysis. Two reduction methods based on principal component analysis(PCA) are compared and further modified here to be used in classification of 3-D MRI brain images of first-episode schizophrenia patients and healthy controls. The first reduction method is the two-dimensional principal component analysis (2DPCA) and the second one is the PCA based on covariance matrix of persons (pPCA). The classification efficiency of data reduced by 2DPCA and pPCA are compared while using various input image data and two classification methods ? the centroid method and the average linkage method.

Název v anglickém jazyce

Data Reduction in Classification of 3-D Brain Images in the Schizophrenia Research

Popis výsledku anglicky

Multidimensional image data are usually reduced during preprocessing to lower high computational requirements and to cope with the well-known small sample size problem in the huge data analysis. Two reduction methods based on principal component analysis(PCA) are compared and further modified here to be used in classification of 3-D MRI brain images of first-episode schizophrenia patients and healthy controls. The first reduction method is the two-dimensional principal component analysis (2DPCA) and the second one is the PCA based on covariance matrix of persons (pPCA). The classification efficiency of data reduced by 2DPCA and pPCA are compared while using various input image data and two classification methods ? the centroid method and the average linkage method.

Druh

D - Stať ve sborníku

CEP obor

FH - Neurologie, neurochirurgie, neurovědy

OECD FORD obor

—

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)

Rok uplatnění

2010

Kód důvěrnosti údajů

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

Název statě ve sborníku

Analysis of Biomedical Signals and Images

ISBN

9788021441057

ISSN

1211-412X

e-ISSN

—

Počet stran výsledku

6

Strana od-do

—

Název nakladatele

Vysoké učení technické v Brně

Místo vydání

Brno

Místo konání akce

Brno

Datum konání akce

1. 1. 2010

Typ akce podle státní příslušnosti

EUR - Evropská akce

Kód UT WoS článku

—