Vše

Co hledáte?

Vše
Projekty
Výsledky výzkumu
Subjekty

Rychlé hledání

  • Projekty podpořené TA ČR
  • Významné projekty
  • Projekty s nejvyšší státní podporou
  • Aktuálně běžící projekty

Chytré vyhledávání

  • Takto najdu konkrétní +slovo
  • Takto z výsledků -slovo zcela vynechám
  • “Takto můžu najít celou frázi”

Neřízené rozpoznávání oblastí zájmu na mamogramech

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F07%3A00085867" target="_blank" >RIV/67985556:_____/07:00085867 - isvavai.cz</a>

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Unsupervised Detection of Mammogram Regions of Interest

  • Popis výsledku v původním jazyce

    We present an unsupervised method for fully automatic detection of regions of interest containing fibroglandular tissue in digital screening mammography. The unsupervised segmenter is based on a combination of several unsupervised segmentation results, each in different resolution, using the sum rule. The mammogram tissue textures are locally represented by four causal monospectral random field models recursively evaluated for each pixel. The single-resolution segmentation part of the algorithm is basedon the underlying Gaussian mixture model and starts with an over segmented initial estimation which is adaptively modified until the optimal number of homogeneous mammogram segments is reached.

  • Název v anglickém jazyce

    Unsupervised Detection of Mammogram Regions of Interest

  • Popis výsledku anglicky

    We present an unsupervised method for fully automatic detection of regions of interest containing fibroglandular tissue in digital screening mammography. The unsupervised segmenter is based on a combination of several unsupervised segmentation results, each in different resolution, using the sum rule. The mammogram tissue textures are locally represented by four causal monospectral random field models recursively evaluated for each pixel. The single-resolution segmentation part of the algorithm is basedon the underlying Gaussian mixture model and starts with an over segmented initial estimation which is adaptively modified until the optimal number of homogeneous mammogram segments is reached.

Klasifikace

  • Druh

    J<sub>x</sub> - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

  • CEP obor

    BD - Teorie informace

  • 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)<br>Z - Vyzkumny zamer (s odkazem do CEZ)<br>R - Projekt Ramcoveho programu EK

Ostatní

  • Rok uplatnění

    2007

  • Kód důvěrnosti údajů

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

Údaje specifické pro druh výsledku

  • Název periodika

    Lecture Notes in Computer Science

  • ISSN

    0302-9743

  • e-ISSN

  • Svazek periodika

    2007

  • Číslo periodika v rámci svazku

    4694

  • Stát vydavatele periodika

    DE - Spolková republika Německo

  • Počet stran výsledku

    8

  • Strana od-do

    33-40

  • Kód UT WoS článku

  • EID výsledku v databázi Scopus