Variational Bayes method for MRI image sequences

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21340%2F19%3A00335957" target="_blank" >RIV/68407700:21340/19:00335957 - isvavai.cz</a>

Výsledek na webu

<a href="http://gams.fj.cvut.cz/spms2019" target="_blank" >http://gams.fj.cvut.cz/spms2019</a>

DOI - Digital Object Identifier

—

Jazyk výsledku

angličtina

Název v původním jazyce

Variational Bayes method for MRI image sequences

Popis výsledku v původním jazyce

Variational Bayes method has been previously used for analysis of scintigraphic image sequences. The aim of the analysis is to extract time-activity curves of tracer in different regions of scanned body part. This problem may be viewed as a nonnegative matrix factorization, the sequence can be decomposed into a matrix of factor curves and a matrix of factor images. Modelling factor curves by convolution of tissue speciffc kernel and input function is inspired by distribution of tracer in tissue. Proposed convolutional model was further improved by incorporating an assumption of smoothnes on convolution kernels in order to meet psysiological expectations. The inference is tested on a sequence of MRI images.

Název v anglickém jazyce

Variational Bayes method for MRI image sequences

Popis výsledku anglicky

Variational Bayes method has been previously used for analysis of scintigraphic image sequences. The aim of the analysis is to extract time-activity curves of tracer in different regions of scanned body part. This problem may be viewed as a nonnegative matrix factorization, the sequence can be decomposed into a matrix of factor curves and a matrix of factor images. Modelling factor curves by convolution of tissue speciffc kernel and input function is inspired by distribution of tracer in tissue. Proposed convolutional model was further improved by incorporating an assumption of smoothnes on convolution kernels in order to meet psysiological expectations. The inference is tested on a sequence of MRI images.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

10103 - Statistics and probability

Projekt

—

Návaznosti

S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2019

Kód důvěrnosti údajů

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

Název statě ve sborníku

Proceedings of SPMS 2019 - Stochastic and Physical Monitoring Systems

ISBN

978-80-01-06659-1

ISSN

—

e-ISSN

—

Počet stran výsledku

10

Strana od-do

1-10

Název nakladatele

Česká technika - nakladatelství ČVUT

Místo vydání

Praha

Místo konání akce

Dobřichovice

Datum konání akce

20. 6. 2019

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

—