Temat: klasyfikacja obrazu - Katalog OPAC zbiorów

Skocz do pozycji: 1.

Tytuł:: Brain atrophy progress detection in MR images
Autorzy:: Kuczyński, K.
Stęgierski, R.
Siczek, M.
Powiązania:: https://bibliotekanauki.pl/articles/333021.pdf
Data publikacji:: 2010
Wydawca:: Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:: wymiar fraktalny
obrazowanie metodą rezonansu magnetycznego
klasyfikacja medyczna obrazu
brain atrophy detection
fractal dimension
MRI
medical image classification
Opis:: Alzheimer's, Parkinson's and other dementive diseases currently pose an important social problem. High brain atrophy level is one of the most important symptoms of these disorders, but it also may result from normal ageing processes. The purpose of the presented research is to design methods that support detection of dementia symptoms in radiological images. The proposed framework consists of image registration procedure, brain extraction and tissue segmentation and the exact analysis of image series (fractal and volumetric properties).
Źródło:: Journal of Medical Informatics & Technologies; 2010, 16; 187-192
1642-6037
Pojawia się w:: Journal of Medical Informatics & Technologies
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 2.

Tytuł:: Computer-aided diagnosis of breast cancer using gaussian mixture cytological image segmentation
Autorzy:: Kowal, M.
Filipczuk, P.
Obuchowicz, A.
Korbicz, J.
Powiązania:: https://bibliotekanauki.pl/articles/333385.pdf
Data publikacji:: 2011
Wydawca:: Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:: segmentacja obrazu
klasyfikacja
rak piersi
image segmentation
classification
breast cancer
Opis:: This paper presents an automatic computer system to breast cancer diagnosis. System was designed to distinguish benign from malignant tumors based on fine needle biopsy microscope images. Studies conducted focus on two different problems, the first concern the extraction of morphometric and colorimetric parameters of nuclei from cytological images and the other concentrate on breast cancer classification. In order to extract the nuclei features, segmentation procedure that integrates results of adaptive thresholding and Gaussian mixture clustering was implemented. Next, tumors were classified using four different classification methods: k–nearest neighbors, naive Bayes, decision trees and classifiers ensemble. Diagnostic accuracy obtained for conducted experiments varies according to different classification methods and fluctuates up to 98% for quasi optimal subset of features. All computational experiments were carried out using microscope images collected from 25 benign and 25 malignant lesions cases.
Źródło:: Journal of Medical Informatics & Technologies; 2011, 17; 257-262
1642-6037
Pojawia się w:: Journal of Medical Informatics & Technologies
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 3.

Tytuł:: Pattern recognition approach to differentiation of disease severity in patients with amyotrophic lateral sclerosis
Autorzy:: Jóźwik, A.
Sokołowska, B.
Niebroj-Dobosz, I.
Janik, P.
Kwieciński, H.
Powiązania:: https://bibliotekanauki.pl/articles/333433.pdf
Data publikacji:: 2008
Wydawca:: Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:: rozpoznawanie obrazu
klasyfikacja K-NN
erytropoetyna
pattern recognition
k-NN classifier
amyotropic lateral sclerosis
erythropoietin
Opis:: A possibility of recognition of the clinical status of patients with amyotrophic lateral sclerosis (ALS) in relation to severity of the disease was investigated. Three groups: (i) healthy controls (n=15) and two subgroups of ALS patients (ii) mild (n=15) and (iii) severe (n=15) were considered as classes. Four features of the subjects: (i) their age (AGE) (ii) erythropoietin concentration in serum (SERUM), (iii) in cerebrospinal fluid (CSF), and (iv) duration time of the disease (Tdis) were used for classifier construction based on the k Nearest Neighbours (k-NN) rule, known from pattern recognition theory. The presented results demonstrate that the pattern recognition approach may be useful for the evaluation of the severity of the ALS disease.
Źródło:: Journal of Medical Informatics & Technologies; 2008, 12; 143-147
1642-6037
Pojawia się w:: Journal of Medical Informatics & Technologies
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 4.

Tytuł:: Recognition of lip prints using Fuzzy c-Means clustering
Autorzy:: Wrobel, K.
Froelich, W.
Powiązania:: https://bibliotekanauki.pl/articles/333981.pdf
Data publikacji:: 2015
Wydawca:: Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:: lip print
image processing
clustering techniques
data classification
grafika wargowa
przetwarzanie obrazu
metody grupowania
klasyfikacja danych
Opis:: In this paper a new method for lip print recognition is proposed. The proposed approach is based on Fuzzy c-Means clustering of the characteristics features of lip prints. First, the Hough transform is applied for the recognition of the characteristic features within lip prints, then Fuzzy c-Means clustering is performed to cluster those features. The proposed algorithm applies the results of clustering to find an unknown image withing the collected repository of lip prints. Instead of comparing all pairs of individual characteristic features, the proposed algorithm uses the representatives of clusters for the comparison of images. The advantage of using the proposed method is its increased tolerance to the noise in data and thus the increased efficiency of the recognition. The effectiveness of presented method has been verified experimentally using real-world images. The results are satisfactory and suggest the possibility of using the method in forensic identification systems
Źródło:: Journal of Medical Informatics & Technologies; 2015, 24; 67-73
1642-6037
Pojawia się w:: Journal of Medical Informatics & Technologies
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Skocz do pozycji: 5.

Tytuł:: The dedicated decision support system in recognition of some uncertain disease entities
Autorzy:: Porwik, P.
Powiązania:: https://bibliotekanauki.pl/articles/333041.pdf
Data publikacji:: 2009
Wydawca:: Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach. Instytut Informatyki. Zakład Systemów Komputerowych
Tematy:: rozpoznawanie obrazu
klasyfikacja danych
sieci neuronowe
systemy wspomagania decyzji
image recognition
data classification
neural network
decision support systems
Opis:: This work presents the principles of image recognition, where quality-based methods are applied. The neural networks and additional software have been proposed. This goal was achieved by using non-parametric recognition algorithms. In this paper the two-state hybrid classification method has been proposed, where artificial intelligence algorithm is included. In recognition process, the learning method, selection and optimization of diagnostic parameters have been introduced. The integrated part of the classifier structure is voting mechanism, which indicates incorrect states of the system – for example the unrecognized images. Effectiveness of the system has been shown by means of examples, where ambiguous data have been incorporated – it is very often a practice of medical diagnostics.
Źródło:: Journal of Medical Informatics & Technologies; 2009, 13; 97-100
1642-6037
Pojawia się w:: Journal of Medical Informatics & Technologies
Dostawca treści:: Biblioteka Nauki

Artykuł

Zmień widok

na półce

Informacja

Wyszukujesz frazę "klasyfikacja obrazu" wg kryterium: Temat

Źródło danych

Dostawca treści

Kolekcja

Rok wydania

Wydawca

Temat

Autor

Typ dokumentu

Język