文献

J-GLOBAL ID：201702290012949857   整理番号：17A1254331

比較多発性硬化症磁気共鳴画像における病変セグメンテーション【Powered by NICT】

Comparative multiple sclerosis lesion segmentation in magnetic resonance images

著者 (3件)： Isoglu Selin (Department of Biomedical Engineering, Istanbul Arel University) ,  Koca Elif Isikci (Department of Biomedical Engineering, Istanbul Arel University) ,  Duru Dilek Goksel (Department of Biomedical Engineering, Istanbul Arel University)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： EBBT  ページ： 1-4  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本研究では,教師なしクラスタリング法すなわちK-meansアルゴリズムは磁気共鳴(MR)画像における多発性硬化症(MS)病変を自動的に識別するように適用した。MS病変検出は疾患の診断とその進行のモニタリングに必須である。自動化法は,ユーザ依存分類誤差を除去し,より信頼性の高いMSセグメンテーション結果を検出における計算能力を改善することを目指した。データにKクラスタ数に依存するK-meansアルゴリズムは病理学的脳MR画像における病変を決定するために検討した。比較セグメンテーションはMATLABで独自開発した二値画像セグメンテーションルーチンを生成することにより目的としている。セグメント化領域では,病変の予め定義されたROIに関してK平均アルゴリズムの結果と比較した。提案したK-means病変検出ルーチンは,実際の脳MR画像に適用し,その結果を定性的に比較し,この方法は病変を成功裏に管理する。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： クラスタ ,  *画像 ,  *多発性硬化症 ,  病理学 ,  自動化 ,  *NMRイメージング ,  アルゴリズム ,  信頼性 ,  *セグメンテーション ,  二値画像 ,  *磁気共鳴
準シソーラス用語： ルーチン ,  MATLAB ,  教師なしクラスタリング ,  *病巣 , 【Automatic Indexing@JST】

分類 (1件)： 医用画像処理  (JE04020T)

タイトルに関連する用語 (4件)： 多発性硬化症 ,  磁気共鳴画像 ,  病変 ,  セグメンテーション