Classification of 3-D MRI Brain Data Using Modified Maximum Uncertainty Linear Discriminant Analysis
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F65269705%3A_____%2F10%3A%230001439" target="_blank" >RIV/65269705:_____/10:#0001439 - isvavai.cz</a>
Výsledek na webu
—
DOI - Digital Object Identifier
—
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Classification of 3-D MRI Brain Data Using Modified Maximum Uncertainty Linear Discriminant Analysis
Popis výsledku v původním jazyce
Recent studies have demonstrated that diagnostics of schizophrenia based on image data is a difficult task because of extensive overlaps of brain regions distinguishing patients with schizophrenia from healthy controls and also because of the small sample size problem. An algorithm for the automatic classification of first-episode schizophrenia patients and healthy controls based on deformations and gray matter (GM) density images extracted from their MRI intensity data is introduced here. The deformations and GM density images are reduced by principal component analysis, which is here based on the covariance matrix of persons (pPCA). The reduced image data is then classified with the use of modified maximum uncertainty linear discriminant analysis (MLDA), which gives better sensitivity than original MLDA. The classification efficiency of the proposed algorithm is comparable with other state-of-art studies in the schizophrenia research.
Název v anglickém jazyce
Classification of 3-D MRI Brain Data Using Modified Maximum Uncertainty Linear Discriminant Analysis
Popis výsledku anglicky
Recent studies have demonstrated that diagnostics of schizophrenia based on image data is a difficult task because of extensive overlaps of brain regions distinguishing patients with schizophrenia from healthy controls and also because of the small sample size problem. An algorithm for the automatic classification of first-episode schizophrenia patients and healthy controls based on deformations and gray matter (GM) density images extracted from their MRI intensity data is introduced here. The deformations and GM density images are reduced by principal component analysis, which is here based on the covariance matrix of persons (pPCA). The reduced image data is then classified with the use of modified maximum uncertainty linear discriminant analysis (MLDA), which gives better sensitivity than original MLDA. The classification efficiency of the proposed algorithm is comparable with other state-of-art studies in the schizophrenia research.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
FL - Psychiatrie, sexuologie
OECD FORD obor
—
Návaznosti výsledku
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)
Ostatní
Rok uplatnění
2010
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
Proceedings of Medical Image Understanding and Analysis 2010
ISBN
978-0-9566150-0-8
ISSN
—
e-ISSN
—
Počet stran výsledku
5
Strana od-do
83-87
Název nakladatele
University of Warwick
Místo vydání
Coventry
Místo konání akce
Warwick
Datum konání akce
1. 1. 2010
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
—