Digital Mammogram Enhancement

Kód výsledku v IS VaVaI

RIV/67985556:_____/15:00445250 - isvavai.cz

Výsledek na webu

http://dx.doi.org/10.5772/60988

DOI - Digital Object Identifier

10.5772/60988

Jazyk výsledku

angličtina

Název v původním jazyce

Digital Mammogram Enhancement

Popis výsledku v původním jazyce

Three 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 caseof not the both breasts' mammograms being available.

Název v anglickém jazyce

Digital Mammogram Enhancement

Popis výsledku anglicky

Three 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 caseof not the both breasts' mammograms being available.

Druh

C - Kapitola v odborné knize

CEP obor

BD - Teorie informace

OECD FORD obor

—

Projekt

GA14-10911S: Matematické modelování vzhledu povrchových materiálů

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2015

Kód důvěrnosti údajů

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

Název knihy nebo sborníku

Mammography Techniques and Review

ISBN

978-953-51-2138-1

Počet stran výsledku

16

Strana od-do

63-78

Počet stran knihy

120

Název nakladatele

InTech Education and Publishing

Místo vydání

Zagreb

Kód UT WoS kapitoly

—