Support Vector Machines in MR Images Segmentation

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68081731%3A_____%2F13%3A00398102" target="_blank" >RIV/68081731:_____/13:00398102 - isvavai.cz</a>

Nalezeny alternativní kódy

RIV/00216305:26220/13:PU104722

Výsledek na webu

—

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Support Vector Machines in MR Images Segmentation

Popis výsledku v původním jazyce

The problem most frequently encountered in the practical processing of medical images consists in the lack of instruments enabling machine evaluation of the images. A typical example of this situation is perfusion analysis of brain tumor types. The firstand very significant step lies in the segmentation of individual parts of the brain tumor; after segmentation, the rate of penetration by the applied contrast agent is observed in the parts. The common method, in which a high error rate has to be considered, is to mark these tumor portions manually. The quality of brain tissue segmentation exerts significant influence on the quality of evaluation of perfusion parameters; consequently, the tumor type recognition is also influenced. The authors describeclassification methods enabling the segmentation of images acquired via magnetic resonance tomography. During the edema segmentation, we obtained the following data: sensitivity 0.78+-0.09, specificity 1.00+-0.00, error rate 0.45+-0.24 %,

Název v anglickém jazyce

Support Vector Machines in MR Images Segmentation

Popis výsledku anglicky

The problem most frequently encountered in the practical processing of medical images consists in the lack of instruments enabling machine evaluation of the images. A typical example of this situation is perfusion analysis of brain tumor types. The firstand very significant step lies in the segmentation of individual parts of the brain tumor; after segmentation, the rate of penetration by the applied contrast agent is observed in the parts. The common method, in which a high error rate has to be considered, is to mark these tumor portions manually. The quality of brain tissue segmentation exerts significant influence on the quality of evaluation of perfusion parameters; consequently, the tumor type recognition is also influenced. The authors describeclassification methods enabling the segmentation of images acquired via magnetic resonance tomography. During the edema segmentation, we obtained the following data: sensitivity 0.78+-0.09, specificity 1.00+-0.00, error rate 0.45+-0.24 %,

Druh

D - Stať ve sborníku

CEP obor

JA - Elektronika a optoelektronika, elektrotechnika

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Rok uplatnění

2013

Kód důvěrnosti údajů

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

Název statě ve sborníku

Measurement 2013. Proceedings of the 9th International Conference on Measurement

ISBN

978-80-969672-5-4

ISSN

—

e-ISSN

—

Počet stran výsledku

4

Strana od-do

157-160

Název nakladatele

Institute of Measurement Science SAS

Místo vydání

Bratislava

Místo konání akce

Smolenice

Datum konání akce

27. 5. 2013

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—