Classification of 3-D MRI Images Based on Spatial Deformations in The Schizophrenia Research

JANOUŠOVÁ, Eva, Daniel SCHWARZ a Tomáš KAŠPÁREK. Classification of 3-D MRI Images Based on Spatial Deformations in The Schizophrenia Research. In Technical Compuning Prague 2009, 17th Annual Conference Proceedings. Praha: Humusoft s.r.o., 2009, s. 1-3. ISBN 978-80-7080-733-0.

Základní údaje

• Originální název: Classification of 3-D MRI Images Based on Spatial Deformations in The Schizophrenia Research
• Název česky: Klasifikace 3-D MR obrazů založená na prostorových deformacích ve výzkumu schizofrenie
• Autoři: JANOUŠOVÁ, Eva, Daniel SCHWARZ a Tomáš KAŠPÁREK.
• Vydání: Praha, Technical Compuning Prague 2009, 17th Annual Conference Proceedings, od s. 1-3, 3 s. 2009.
• Nakladatel: Humusoft s.r.o.

Další údaje

• Originální jazyk: angličtina
• Typ výsledku: Stať ve sborníku
• Obor: 20200 2.2 Electrical engineering, Electronic engineering, Information engineering
• Stát vydavatele: Česká republika
• Utajení: není předmětem státního či obchodního tajemství
• WWW: URL
• Organizační jednotka: Lékařská fakulta
• ISBN: 978-80-7080-733-0
• Klíčová slova anglicky: principal component analysis;centroid method;average linkage;MRI;schizophrenia;computational neuroanatomy
• Štítky: 2DPCA, computational neuroanatomy, MRI, principal component analysis, schizophrenia

Anotace

Automatic classification of schizophrenia patients and healthy controls based on their 3-D MRI deformation images is introduced here. The image data are reduced by 2DPCA to avoid high computational expenses. Consecutively, reduced data are classified into the two groups according to the centroid method or the average linkage method. The results show that the algorithm gives better results while using the average linkage method than the centroid method. The main advantage of the algorithm lies in its low memory and time requirements.

Anotace česky

Článek se věnuje automatické klasifikaci pacientů se schizofrenií a zdravých kontrol, která je založená na jejich 3-D obrazech z magnetické rezonance. Obrazová data jsou redukována pomocí 2DPCA, aby se předcházelo velkým výpočetním nárokům. Redukovaná data jsou následně klasifikována do dvou skupin subjektů prostřednictvím centroidové metody a metody průměrné vazby. Výsledky ukazují, že lepších výsledků klasifikace je dosaženo při použití metody průměrné vazby než centroidové metody. Hlavní výhodou algoritmu je jeho nízká paměťová a časová náročnost.

Návaznosti

• NS10347, projekt VaV: Název: Moderní metody rozpoznávání pro analýzu obrazových dat v neuropsychiatrickém výzkumu

Investor: Ministerstvo zdravotnictví ČR, Moderní metody rozpoznávání pro analýzu obrazových dat v neuropsychiatrickém výzkumu

• NS9893, projekt VaV: Název: Predikce průběhu iniciálních fází schizofrenie pomocí morfologie mozku

Investor: Ministerstvo zdravotnictví ČR, Predikace průběhu iniciálních fází schizofrenie pomocí morfologie mozku