Automatic Segmentation of Myocardial Infarction in Rats Subjected to Regional Ischemia
Identifikátory výsledku
Kód výsledku v IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F67985823%3A_____%2F18%3A00501687" target="_blank" >RIV/67985823:_____/18:00501687 - isvavai.cz</a>
Nalezeny alternativní kódy
RIV/00216305:26220/18:PU129654
Výsledek na webu
<a href="http://www.cinc.org/cinc-papers-on-line/" target="_blank" >http://www.cinc.org/cinc-papers-on-line/</a>
DOI - Digital Object Identifier
<a href="http://dx.doi.org/10.22489/CinC.2018.128" target="_blank" >10.22489/CinC.2018.128</a>
Alternativní jazyky
Jazyk výsledku
angličtina
Název v původním jazyce
Automatic Segmentation of Myocardial Infarction in Rats Subjected to Regional Ischemia
Popis výsledku v původním jazyce
The experimental and preclinical studies of ischemia and reperfusion on animal models usually evaluate the sizes of area at risk (AR) of infarction and infarct area (IA) as fundamental parameters. The authors usually don’t provide any detailed information about the image processing of their data, though the IA or AR segmentation is often challenging and prone to be expert-depending. Here, we describe a new approach for automatic IA and AR segmentation based on combination of Random Forest classifier and two-step pixel-wise k-means classification of image pixels. The evaluation has been performed on the set of 16 images from 8 rat hearts. We compared sizes of normal perfused tissues, viable area and IA (normalized to percentage of total area) obtained by our method with manually segmentation by biologist. We achieved mean absolute error of 2.59% with mean standard deviation of 1.61%.
Název v anglickém jazyce
Automatic Segmentation of Myocardial Infarction in Rats Subjected to Regional Ischemia
Popis výsledku anglicky
The experimental and preclinical studies of ischemia and reperfusion on animal models usually evaluate the sizes of area at risk (AR) of infarction and infarct area (IA) as fundamental parameters. The authors usually don’t provide any detailed information about the image processing of their data, though the IA or AR segmentation is often challenging and prone to be expert-depending. Here, we describe a new approach for automatic IA and AR segmentation based on combination of Random Forest classifier and two-step pixel-wise k-means classification of image pixels. The evaluation has been performed on the set of 16 images from 8 rat hearts. We compared sizes of normal perfused tissues, viable area and IA (normalized to percentage of total area) obtained by our method with manually segmentation by biologist. We achieved mean absolute error of 2.59% with mean standard deviation of 1.61%.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
30105 - Physiology (including cytology)
Návaznosti výsledku
Projekt
<a href="/cs/project/GA18-03207S" target="_blank" >GA18-03207S: Vliv exprese lidského C-reaktivního proteinu na ischemickou toleranci srdce spontánně hypertenzních potkanů.</a><br>
Návaznosti
P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)
Ostatní
Rok uplatnění
2018
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
Computing in Cardiology 2018
ISBN
—
ISSN
2325-887X
e-ISSN
—
Počet stran výsledku
4
Strana od-do
—
Název nakladatele
IEEE
Místo vydání
New York
Místo konání akce
Maastricht
Datum konání akce
23. 9. 2018
Typ akce podle státní příslušnosti
WRD - Celosvětová akce
Kód UT WoS článku
000482598700116