Support Vector Machines in MR Images Segmentation
Identifikátory výsledku
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
—
Alternativní jazyky
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 %,
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
JA - Elektronika a optoelektronika, elektrotechnika
OECD FORD obor
—
Návaznosti výsledku
Projekt
Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.
Návaznosti
I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace
Ostatní
Rok uplatnění
2013
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
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
—