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”

Adaptive Model-Based Mammogram Enhancement

Identifikátory výsledku

  • Kód výsledku v IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985556%3A_____%2F14%3A00436549" target="_blank" >RIV/67985556:_____/14:00436549 - isvavai.cz</a>

  • Nalezeny alternativní kódy

    RIV/68407700:21240/14:00222271

  • Výsledek na webu

  • DOI - Digital Object Identifier

Alternativní jazyky

  • Jazyk výsledku

    angličtina

  • Název v původním jazyce

    Adaptive Model-Based Mammogram Enhancement

  • Popis výsledku v původním jazyce

    Five fully automatic methods for X-ray digital mammogram enhancement based on a fast analytical textural model are presented. These efficient single and double view enhancement methods are based on the underlying two-dimensional adaptive causal autoregressive texture model. Themethods locally predict breast tissue texture from single or double view mammograms and enhance breast tissue abnormalities, such as the sign of a developing cancer, using the estimated model prediction statistics. Thedouble-viewmammogram enhancement is based on the cross-prediction of two mutually registered left and right breasts mammograms or alternatively a temporal sequence of mammograms. The single-view mammogram enhancement is based on modeling prediction error in case ofnot the both breasts' mammograms are available.

  • Název v anglickém jazyce

    Adaptive Model-Based Mammogram Enhancement

  • Popis výsledku anglicky

    Five fully automatic methods for X-ray digital mammogram enhancement based on a fast analytical textural model are presented. These efficient single and double view enhancement methods are based on the underlying two-dimensional adaptive causal autoregressive texture model. Themethods locally predict breast tissue texture from single or double view mammograms and enhance breast tissue abnormalities, such as the sign of a developing cancer, using the estimated model prediction statistics. Thedouble-viewmammogram enhancement is based on the cross-prediction of two mutually registered left and right breasts mammograms or alternatively a temporal sequence of mammograms. The single-view mammogram enhancement is based on modeling prediction error in case ofnot the both breasts' mammograms are available.

Klasifikace

  • Druh

    D - Stať ve sborníku

  • CEP obor

    BD - Teorie informace

  • OECD FORD obor

Návaznosti výsledku

  • Projekt

    <a href="/cs/project/GA14-10911S" target="_blank" >GA14-10911S: Matematické modelování vzhledu povrchových materiálů</a><br>

  • Návaznosti

    I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

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

    Proceedings of the Tenth International Conference on Signal-Image Technology & Internet-Based Systems, SITIS 2014

  • ISBN

    978-1-4799-7978-3

  • ISSN

  • e-ISSN

  • Počet stran výsledku

    8

  • Strana od-do

    65-72

  • Název nakladatele

    IEEE Computer Society CPS

  • Místo vydání

    Los Alamitos, USA

  • Místo konání akce

    Marrakech

  • Datum konání akce

    23. 11. 2014

  • Typ akce podle státní příslušnosti

    WRD - Celosvětová akce

  • Kód UT WoS článku