Ischemic stroke lesion segmentation using stacked sparse autoencoder

Automatic segmentation of ischemic stroke lesion volumes from multi-spectral Magnetic Resonance Imaging (MRI) sequences plays a vital role in quantifying and locating the lesion region. Most existing methods mainly rely on designing hand-crafted features followed by a classifier model for ischemic s...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	Computers in biology and medicine Ročník 99; s. 38 - 52
Hlavní autoři:	Praveen, G.B., Agrawal, Anita, Sundaram, Ponraj, Sardesai, Sanjay
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	United States Elsevier Ltd 01.08.2018 Elsevier Limited
Témata:	Accuracy Automation Brain Classification Classifiers Conflicts of interest Datasets Decomposition Fatalities Image processing Image segmentation Ischemia Ischemic stroke lesion segmentation Lesions Magnetic resonance imaging Medical imaging Methods Neuroimaging NMR Nuclear magnetic resonance Quantitative analysis Recall Sparsity Stacked sparse autoencoders Stroke Support vector machines SVM Unsupervised feature learning Unsupervised feature learning Ischemic stroke lesion segmentation SVM Magnetic resonance imaging Stacked sparse autoencoders
ISSN:	0010-4825, 1879-0534, 1879-0534
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!