Multi-Step Learning-by-Examples Strategy for Real-Time Brain Stroke Microwave Scattering Data Inversion

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21460%2F21%3A00345170" target="_blank" >RIV/68407700:21460/21:00345170 - isvavai.cz</a>

Výsledek na webu

<a href="https://doi.org/10.3390/electronics10010095" target="_blank" >https://doi.org/10.3390/electronics10010095</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.3390/electronics10010095" target="_blank" >10.3390/electronics10010095</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Multi-Step Learning-by-Examples Strategy for Real-Time Brain Stroke Microwave Scattering Data Inversion

Popis výsledku v původním jazyce

This work deals with the computationally-efficient inversion of microwave scattering data for brain stroke detection and monitoring. The proposed multi-step approach is based on the Learning-by-Examples (LBE) paradigm and naturally matches the stages and time constraints of an effective clinical diagnosis. Stroke detection, identification, and localization are solved with real-time performance through support vector machines (SVMs) operating both in binary/multiclass classification and in regression modalities. Experimental results dealing with the inversion of laboratory-controlled data are shown to verify the effectiveness of the proposed multi-step LBE methodology and prove its suitability as a viable alternative/support to standard medical diagnostic methods.

Název v anglickém jazyce

Multi-Step Learning-by-Examples Strategy for Real-Time Brain Stroke Microwave Scattering Data Inversion

Popis výsledku anglicky

This work deals with the computationally-efficient inversion of microwave scattering data for brain stroke detection and monitoring. The proposed multi-step approach is based on the Learning-by-Examples (LBE) paradigm and naturally matches the stages and time constraints of an effective clinical diagnosis. Stroke detection, identification, and localization are solved with real-time performance through support vector machines (SVMs) operating both in binary/multiclass classification and in regression modalities. Experimental results dealing with the inversion of laboratory-controlled data are shown to verify the effectiveness of the proposed multi-step LBE methodology and prove its suitability as a viable alternative/support to standard medical diagnostic methods.

Druh

J_imp - Článek v periodiku v databázi Web of Science

CEP obor

—

OECD FORD obor

20201 - Electrical and electronic engineering

Projekt

<a href="/cs/project/LTC19031" target="_blank" >LTC19031: Vývoj metamateriálových aplikátorů pro regionální hypertermický systém a hodnocení přesnosti algoritmů plánování léčby</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2021

Kód důvěrnosti údajů

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

Název periodika

Electronics

ISSN

2079-9292

e-ISSN

2079-9292

Svazek periodika

10

Číslo periodika v rámci svazku

1

Stát vydavatele periodika

CH - Švýcarská konfederace

Počet stran výsledku

17

Strana od-do

1-17

Kód UT WoS článku

000605924600001

EID výsledku v databázi Scopus

2-s2.0-85099424523