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

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

Odkazy

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

V originále

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.

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