Temat: brain imaging - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Validity of MRI brain perfusion imaging method
Autorzy:: Karczewski, B.
Rumiński, J.
Powiązania:: https://bibliotekanauki.pl/articles/333584.pdf
Data publikacji:: 2006
Wydawca:: Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:: obrazowanie medyczne
obrazowanie rezonansu magnetycznego
perfuzja mózgu
medical imaging
MRI
brain perfusion
Opis:: Brain perfusion imaging using Dynamic Susceptibility Contrast Magnetic Resonance Imaging is very promising method since it can be easily implemented as a standard contrast-based MRI procedure. Quantitative brain perfusion description by DSC-MRI data post processing requires validation. Different validation analysis was performed to verify the influence of a bolus dispersion, delay, low SNR and calculation procedures on final perfusion parameter values. The results indicate that quantitative description of brain perfusion using DSC-MRI is possible and can be acceptable with accuracy about 10%.
Źródło:: Journal of Medical Informatics & Technologies; 2006, 10; 55-61
1642-6037
Pojawia się w:: Journal of Medical Informatics & Technologies
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Automatic segmentation of brain tumors using tensor analysis and multimodal MRI
Autorzy:: Jackowski, K.
Manhães-Savio, A.
Cyganek, B.
Powiązania:: https://bibliotekanauki.pl/articles/333913.pdf
Data publikacji:: 2015
Wydawca:: Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:: brain lesion
MRI
magnetic resonance imaging
classification
tensor
zmiany w mózgu
rezonans magnetyczny
obrazowanie metodą rezonansu magnetycznego
klasyfikacja
Opis:: Glioma detection and classification is an critical step to diagnose and select the correct treatment for the brain tumours. There has been advances in glioma research and Magnetic Resonance Imaging (MRI) is the most accurate non-invasive medical tool to localize and analyse brain cancer.The scientiﬁc global community has been organizing challenges of open data analysis to push forward automatic algorithms to tackle this task. In this paper we analyse part of such challenge data, the Multimodal Brain Tumor Image Segmentation Benchmark (BRATS), with novel algorithms using partial learning to test an active learning methodology and tensor-based image modelling methods to deal with the fusion of the multimodal MRI data into one space. A Random Forest classifier is used for pixel classification. Our results show an error rates of 0.011 up to 0.057 for intra-subject classification. These results are promising compared to other studies. We plan to extend this method to use more than 3 MRI modalities and present a full active learning approach.
Źródło:: Journal of Medical Informatics & Technologies; 2015, 24; 165-172
1642-6037
Pojawia się w:: Journal of Medical Informatics & Technologies
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "brain imaging" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język