Variational Bayes method for MRI image sequences
Identifikátory výsledku
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
—
Alternativní jazyky
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.
Klasifikace
Druh
D - Stať ve sborníku
CEP obor
—
OECD FORD obor
10103 - Statistics and probability
Návaznosti výsledku
Projekt
—
Návaznosti
S - Specificky vyzkum na vysokych skolach
Ostatní
Rok uplatnění
2019
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
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
—