About: Unsupervised Detection of Mammogram Regions of Interest

Facets (new session)
Description
Metadata
Settings
- owl:sameAs
- Inference Rule:

About: Unsupervised Detection of Mammogram Regions of Interest Goto Sponge NotDistinct Permalink

An Entity of Type : http://linked.opendata.cz/ontology/domain/vavai/Vysledek, within Data Space : linked.opendata.cz associated with source document(s)

Attributes	Values
rdf:type	skos:Concept http://linked.opendata.cz/ontology/domain/vavai/Vysledek
Description	Článek prezentuje neřízenou metodu rozpoznávání umožňující zcela automatickou detekci oblastí zájmu, které obsahují fibrozně-žlázovitou tkáň, z digitálních roentgenových mamogramů. Neřízená segmentační metoda kombinuje několik neřízených segmentačních výsledků, každý v jiném rozlišení, pomocí sumačního pravidla. Mamografické tkáňové textury jsou lokálně reprezentovány čtyřmi kauzálními modely náhodných polí rekurzivně pro každý pixel. Segmentační část metody pro jedno měřítko je založena na gaussovském směsovém modelu a začíná z přesegmentovaného odhadu, který se adaptivně mění, až se dosáhne optimální počet homogenních oblastí. Vlastnosti publikované metody jsou rozsáhle testovány na Digital Database for Screening Mammography (DDSM) z University of South Florida a na Prague Texture Segmentation Benchmark pomocí nejpoužívanějších segmentačních kriterií. Metoda dosahuje lepší výsledky než několik alternativních testovaných texturních segmentačních metod. (cs) We present an unsupervised method for fully automatic detection of regions of interest containing fibroglandular tissue in digital screening mammography. The unsupervised segmenter is based on a combination of several unsupervised segmentation results, each in different resolution, using the sum rule. The mammogram tissue textures are locally represented by four causal monospectral random field models recursively evaluated for each pixel. The single-resolution segmentation part of the algorithm is based on the underlying Gaussian mixture model and starts with an over segmented initial estimation which is adaptively modified until the optimal number of homogeneous mammogram segments is reached. We present an unsupervised method for fully automatic detection of regions of interest containing fibroglandular tissue in digital screening mammography. The unsupervised segmenter is based on a combination of several unsupervised segmentation results, each in different resolution, using the sum rule. The mammogram tissue textures are locally represented by four causal monospectral random field models recursively evaluated for each pixel. The single-resolution segmentation part of the algorithm is based on the underlying Gaussian mixture model and starts with an over segmented initial estimation which is adaptively modified until the optimal number of homogeneous mammogram segments is reached. (en)
Title	Unsupervised Detection of Mammogram Regions of Interest Unsupervised Detection of Mammogram Regions of Interest (en) Neřízené rozpoznávání oblastí zájmu na mamogramech (cs)
skos:prefLabel	Unsupervised Detection of Mammogram Regions of Interest Unsupervised Detection of Mammogram Regions of Interest (en) Neřízené rozpoznávání oblastí zájmu na mamogramech (cs)
skos:notation	RIV/67985556:_____/07:00085867!RIV08-AV0-67985556
http://linked.open.../vavai/riv/strany	33;40
http://linked.open...avai/riv/aktivita	P R Z
http://linked.open...avai/riv/aktivity	P(1ET400750407), P(1M0572), P(IAA2075302), R, Z(AV0Z10750506)
http://linked.open...iv/cisloPeriodika	4694
http://linked.open...vai/riv/dodaniDat	2008
http://linked.open...aciTvurceVysledku	Haindl, Michal Mikeš, Stanislav
http://linked.open.../riv/druhVysledku	J - Článek v odborném periodiku
http://linked.open...iv/duvernostUdaju	S - Úplné a pravdivé údaje nepodléhající ochraně podle zvláštních právních předpisů
http://linked.open...titaPredkladatele	Ústav teorie informace a automatizace AV ČR, v. v. i.
http://linked.open...dnocenehoVysledku	456693
http://linked.open...ai/riv/idVysledku	RIV/67985556:_____/07:00085867
http://linked.open...riv/jazykVysledku	eng - angličtina
http://linked.open.../riv/klicovaSlova	Unsupervised segmentation; mammography; Markov random fields (en)
http://linked.open.../riv/klicoveSlovo	Unsupervised segmentation Markov random fields mammography
http://linked.open...odStatuVydavatele	DE - Spolková republika Německo
http://linked.open...ontrolniKodProRIV	[7ED5CAEE50E7]
http://linked.open...i/riv/nazevZdroje	Lecture Notes in Computer Science
http://linked.open...in/vavai/riv/obor	BD
http://linked.open...ichTvurcuVysledku	2 (xsd:int)
http://linked.open...cetTvurcuVysledku	3 (xsd:int)
http://linked.open...vavai/riv/projekt	Automatic Acquisition of Virtual Reality Models from Real World Scenes Data, algorithms, decision making Multi-dimensional Compound Probabilistic Models
http://linked.open...UplatneniVysledku	2007
http://linked.open...v/svazekPeriodika	2007
http://linked.open...iv/tvurceVysledku	Haindl, Michal Mikeš, Stanislav Scarpa, G.
http://linked.open...n/vavai/riv/zamer	Pokročilé matematické metody získávání, zpracování a využití informací a znalostí ve složitých a nedeterministických systémech
issn	0302-9743
number of pages	8 (xsd:int)
is http://linked.open...avai/riv/vysledek of	Unsupervised Detection of Mammogram Regions of Interest Unsupervised Detection of Mammogram Regions of Interest Unsupervised Detection of Mammogram Regions of Interest

Faceted Search & Find service v1.16.118 as of Jun 21 2024

Alternative Linked Data Documents: ODE Content Formats:

RDF

ODATA

Microdata

About

OpenLink Virtuoso version 07.20.3240 as of Jun 21 2024, on Linux (x86_64-pc-linux-gnu), Single-Server Edition (126 GB total memory, 58 GB memory in use)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software