Главная Назад


Авторизация
Идентификатор пользователя / читателя
Пароль (для удалённых пользователей)
 

Вид поиска
Область поиска
Найдено в других БД
Формат представления найденных документов:
библиографическое описаниекраткийполный
Отсортировать найденные документы по:
авторузаглавиюгоду изданиятипу документа
Поисковый запрос: (<.>S=МЕТОД СЕГМЕНТАЦИИ<.>)
Общее количество найденных документов : 13
Показаны документы с 1 по 13
1.
РЖ ВИНИТИ 34 (BI24) 98.09-04М3.240

    Inouye, Tsuyoshi.
    A new segmentation method of electroencephalograms by use of Akaike's information criterion [Text] / Tsuyoshi Inouye, Seigo Toi, Yuko Matsumoto // Cogn. Brain Res. - 1995. - Vol. 3, N 1. - P33-40 . - ISSN 0926-6410
Перевод заглавия: Новый метод сегментации ЭЭГ с использованием информационного критерия Akaika
ГРНТИ  
34.39.17
ВИНИТИ 341.39.17.49.05
Рубрики: ЭЭГ
МЕТОД СЕГМЕНТАЦИИ
AKAIKE ИНФОРМАЦИОННЫЙ КРИТЕРИЙ
ЧЕЛОВЕК

Доп.точки доступа:
Toi, Seigo; Matsumoto, Yuko

2.
РЖ ВИНИТИ 76 (BI30) 04.12-04Н2.144

    Zhou, Jiayin.
    Tumor volume measurement for nasopharyngeal carcinoma using knowledge-based fuzzy clustering MRI segmentation [Text] : докл. [Conference on "Medical Imaging 2002: Image Processing", San Diego, Calif., 24-28 Febr., 2002. Pt 3] / Jiayin Zhou, TUan-Kay Lim, Vincent Chong // Proc. SPIE. - 2002. - Vol. 4684. - P1698-1708 . - ISSN 1605-7422
Перевод заглавия: Измерение объема назофарингеальной карциномы с помощью сегментации магнитно-резонансных изображений на основе нечеткой кластеризации с использованием знаний
Аннотация: Разработан алгоритм нечеткой кластеризации с использованием знаний (KBFC), предназначенный для сегментации магнитно-резонансных изображений. В качестве знаков для сегментации используются значения контрастности на изображениях. Кластеризация проводится по принципу нечетких с-средних. Используются знания о симметрии, связности и положении центра. Представлены результаты проведенных экспериментов на реальных данных о назофарингеальной карциноме. Качество сегментации изображений оказалось выше, чем в известных методах, и во всех экспериментах превысило 94%. Сингапур, School of Electrical and Electronic Eng., Nanyang Technological Univ., Singapore 639798. Ил. 8. Табл. 4. Библ. 13
ГРНТИ  
76.29.49
ВИНИТИ 761.29.49.51.09.23.17
Рубрики: ОБРАБОТКА ИЗОБРАЖЕНИЙ
МАГНИТНО-РЕЗОНАНСНАЯ ТОМОГРАФИЯ
МЕТОД СЕГМЕНТАЦИИ
НЕЧЕТКАЯ КЛАСТЕРИЗАЦИЯ С ИСПОЛЬЗОВАНИЕМ С-СРЕДНИХ
ОПУХОЛИ
НАЗОКАРЦИНОМА
МЕДИЦИНСКИЕ ИЗОБРАЖЕНИЯ

Доп.точки доступа:
Lim, TUan-Kay; Chong, Vincent

3.
РЖ ВИНИТИ 34 (BI38) 04.12-04А3.831

    Nielsen, Casper F.
    Robust semi-automatic segmentation of single and multi-channel MRI volumes through Adaptable Class-Specific Representation [Text] : докл.[Conference on "Medical Imaging 2002: Image Processing", San Diego, Calif., 24-28 Febr., 2002. Pt 3) / Casper F. Nielsen, Peter J. Passmore // Proc. SPIE. - 2002. - Vol. 4684. - P1629-1639 . - ISSN 1605-7422
Перевод заглавия: Робастная полуавтоматическая сегментация одно- и многоканальных объемных изображений в магнитном резонансе с помощью адаптивного специфического для класса представления
Аннотация: Основные трудности в сегментации объемных изображений в магнитном резонансе вызваны наличием шумов, неоднородности и артефактов. Описан метод адаптивного специфического для класса представления (ACSR) для алгоритма роста путей (PGA), позволяющий значительно снизить артефакты вблизи границы областей. Эталоны классов задаются пользователем. Для автоматической генерации модифицированных эталонов с целью повышения робастности применяется метод линейного векторного квантования. Представлены результаты проведенных экспериментов на образцах из базы данных BrainWeb и реальных данных из Интернет, показывающие эффективность работы метода даже с зашумленными неоднородными изображениями. Великобритания, School of Computing Sci., Middlesex Univ., London. Ил. 6. Табл. 4. Библ. 25
ГРНТИ  
34.05.25
ВИНИТИ 341.05.25.15.09.13
Рубрики: ОБРАБОТКА ИЗОБРАЖЕНИЙ
МАГНИТНО-РЕЗОНАНСНЫЕ ИЗОБРАЖЕНИЯ
МЕТОД СЕГМЕНТАЦИИ
МЕТОД АДАПТИВНОГО СПЕЦИФИЧЕСКОГО ДЛЯ КЛАССА ПРЕДСТАВЛЕНИЯ
УСТРАНЕНИЕ ШУМОВ

Доп.точки доступа:
Passmore, Peter J.

4.
РЖ ВИНИТИ 34 (BI36) 05.01-04А4.179

    Zhang, Di.
    Segmentation of anatomical structures in X-ray computed tomography images using artificial neural networks [Text] : докл.[Conference on "Medical Imaging 2002: Image Processing", San Diego, Calif., 24-28 Febr., 2002. Pt 3) / Di Zhang, Danial J. Valentino // Proc. SPIE. - 2002. - Vol. 4684. - P1640-1652 . - ISSN 1605-7422
Перевод заглавия: Сегментация анатомических структур в рентгеновской компьютерной томографии с использованием искусственных нейронных сетей
Аннотация: Разработана иерархическая нейросетевая система для сегментации и выделения анатомических структур. На верхнем уровне системы расположена однослойная нейронная сеть, идентифицирующая крупные анатомические структуры (голову, грудную клетку и т. п.). Результаты ее работы передаются на следующие уровни, где многослойные нейронные сети проводят более точную классификацию меньших структур (мозг, череп, легкие и т. п.). Такая структура в принципе дает возможность добиваться произвольного уровня детализации. Разработаны процедуры обучения иерархической структуры. Представлены результаты проведенных экспериментов на КТ-изображениях, показывающие высокую точность сегментации и классификации. США, Dep. of Radiological Sci., Univ. of California, Los Angeles, CA 90095. Ил. 11. Табл. 3. Библ. 13
ГРНТИ  
34.49.33
ВИНИТИ 341.49.33.15.11
Рубрики: ОБРАБОТКА ИЗОБРАЖЕНИЙ
КОМПЬЮТЕРНАЯ ТОМОГРАФИЯ
МЕТОД СЕГМЕНТАЦИИ
ИЕРАРХИЧЕСКИЕ НЕЙРОСЕТЕВЫЕ СИСТЕМЫ
КОМПЬЮТЕРНАЯ ТОМОГРАФИЯ
АНАТОМИЧЕСКИЕ СТРУКТУРЫ

Доп.точки доступа:
Valentino, Danial J.

5.
РЖ ВИНИТИ 34 (BI36) 05.01-04А4.230

    Valdes, Raquel.
    Adaptive RBF network with active contour coupling for Multispectral MRI segmentation [Text] : докл. [Conference on "Medical Imaging 2002: Image Processing", San Diego, Calif., 24-28 Febr., 2002. Pt 3] / Raquel Valdes, Veronica Medina, Oscar Yanez-Suarez // Proc. SPIE. - 2002. - Vol. 4684. - P1610-1621 . - ISSN 1605-7422
Перевод заглавия: Адаптивная сеть с радиальными базисными функциями со связыванием активных контуров для сегментации мультиспектральных магнитно-резонансных изображений
Аннотация: Для обнаружения границ между серым и белым веществом на изображениях, полученных с помощью МР-томографии предложено использовать нейронную сеть с радиальными базисными функциями в сочетании с моделью активных контуров, представленных кубическими сплайнами. Описаны: архитектура разработанной нейросетевой системы, используемые внутренние представления данных, процедура обучения. Приведены примеры использования системы в сегментации реальных магнитно-резонансных изображений. Показано, что она обеспечивает очень высокую точность и возможность учета дополнительных ограничений на возможные положения границы между областями. Мексика, Univ. Autonoma Metropoplitana, Iztapalapa. Ил. 8. Табл. 2. Библ. 2
ГРНТИ  
34.49.33
ВИНИТИ 341.49.33.15.17
Рубрики: ОБРАБОТКА ИЗОБРАЖЕНИЙ
МАГНИТНО-РЕЗОНАНСНАЯ ТОМОГРАФИЯ
МЕТОД СЕГМЕНТАЦИИ
АДАПТИВНАЯ СЕТЬ
РАДИАЛЬНЫЕ БАЗИСНЫЕ ФУНКЦИИ
СВЯЗЫВАНИЕ АКТИВНЫХ КОНТУРОВ
ОБНАРУЖЕНИЕ ГРАНИЦ
СЕРОЕ/БЕЛОЕ ВЕЩЕСТВО

Доп.точки доступа:
Medina, Veronica; Yanez-Suarez, Oscar

6.
РЖ ВИНИТИ 34 (BI36) 05.01-04А4.315

   
    A multiresolution segmentation technique for spine MRI images [Text] : докл. [Conference on "Medical Imaging 2002: Image Processing", San Diego, Calif., 24-28 Febr., 2002. Pt 3] / Haiyun Li [et al.] // Proc. SPIE. - 2002. - Vol. 4684. - P1709-1717 . - ISSN 1605-7422
Перевод заглавия: Метод сегментации при многих разрешениях для магнитно-резонансных изображений позвоночника
Аннотация: Предложенный метод сегментации при многих разрешениях основан на принципе "проступания камней по мере спада воды". Начальная сегментация проводится при малых разрешениях, что значительно сокращает вычислительную трудоемкость. На каждом шаге используются вейвлетные представления и метод нечеткой кластеризации с использованием с-средних. Очередной порог выбирается на основе характеристик разложения. Границы областей выделяются на основе локальных максимумов модуля вейвлетного преобразования. Разработана оригинальная процедура усиления краев, повышающая робастность относительно шумов. Приведены примеры использования предложенного метода в сегментации магнитно-резонансных изображений позвоночника. Сингапур, Nat. Univ. of Singapore. Ил. 4. Библ. 4
ГРНТИ  
34.49.33
ВИНИТИ 341.49.33.15.17
Рубрики: ОБРАБОТКА ИЗОБРАЖЕНИЙ
МАГНИТНО-РЕЗОНАНСНАЯ ТОМОГРАФИЯ
МЕТОД СЕГМЕНТАЦИИ
ПОЗВОНОЧНИК
МЕДИЦИНСКИЕ ИЗОБРАЖЕНИЯ

Доп.точки доступа:
Li, Haiyun; Yan, Chye Hwang; Ong, Sim Heng; Chui, Chee Kong; Teoh, Swee Hin

7.
РЖ ВИНИТИ 34 (BI36) 05.01-04А4.318

    Zhou, Jiayin.
    Tumor volume measurement for nasopharyngeal carcinoma using knowledge-based fuzzy clustering MRI segmentation [Text] : докл. [Conference on "Medical Imaging 2002: Image Processing", San Diego, Calif., 24-28 Febr., 2002. Pt 3] / Jiayin Zhou, TUan-Kay Lim, Vincent Chong // Proc. SPIE. - 2002. - Vol. 4684. - P1698-1708 . - ISSN 1605-7422
Перевод заглавия: Измерение объема назофарингеальной карциномы с помощью сегментации магнитно-резонансных изображений на основе нечеткой кластеризации с использованием знаний
Аннотация: Разработан алгоритм нечеткой кластеризации с использованием знаний (KBFC), предназначенный для сегментации магнитно-резонансных изображений. В качестве знаков для сегментации используются значения контрастности на изображениях. Кластеризация проводится по принципу нечетких с-средних. Используются знания о симметрии, связности и положении центра. Представлены результаты проведенных экспериментов на реальных данных о назофарингеальной карциноме. Качество сегментации изображений оказалось выше, чем в известных методах, и во всех экспериментах превысило 94%. Сингапур, School of Electrical and Electronic Eng., Nanyang Technological Univ., Singapore 639798. Ил. 8. Табл. 4. Библ. 13
ГРНТИ  
34.49.33
ВИНИТИ 341.49.33.15.17
Рубрики: ОБРАБОТКА ИЗОБРАЖЕНИЙ
МАГНИТНО-РЕЗОНАНСНАЯ ТОМОГРАФИЯ
МЕТОД СЕГМЕНТАЦИИ
НЕЧЕТКАЯ КЛАСТЕРИЗАЦИЯ С ИСПОЛЬЗОВАНИЕМ С-СРЕДНИХ
ОПУХОЛИ
НАЗОКАРЦИНОМА
МЕДИЦИНСКИЕ ИЗОБРАЖЕНИЯ

Доп.точки доступа:
Lim, TUan-Kay; Chong, Vincent

8.
РЖ ВИНИТИ 34 (BI38) 05.01-04А3.844

   
    A multiresolution segmentation technique for spine MRI images [Text] : докл. [Conference on "Medical Imaging 2002: Image Processing", San Diego, Calif., 24-28 Febr., 2002. Pt 3] / Haiyun Li [et al.] // Proc. SPIE. - 2002. - Vol. 4684. - P1709-1717 . - ISSN 1605-7422
Перевод заглавия: Метод сегментации при многих разрешениях для магнитно-резонансных изображений позвоночника
Аннотация: Предложенный метод сегментации при многих разрешениях основан на принципе "проступания камней по мере спада воды". Начальная сегментация проводится при малых разрешениях, что значительно сокращает вычислительную трудоемкость. На каждом шаге используются вейвлетные представления и метод нечеткой кластеризации с использованием с-средних. Очередной порог выбирается на основе характеристик разложения. Границы областей выделяются на основе локальных максимумов модуля вейвлетного преобразования. Разработана оригинальная процедура усиления краев, повышающая робастность относительно шумов. Приведены примеры использования предложенного метода в сегментации магнитно-резонансных изображений позвоночника. Сингапур, Nat. Univ. of Singapore. Ил. 4. Библ. 4
ГРНТИ  
34.05.25
ВИНИТИ 341.05.25.15.09.13
Рубрики: ОБРАБОТКА ИЗОБРАЖЕНИЙ
МАГНИТНО-РЕЗОНАНСНАЯ ТОМОГРАФИЯ
МЕТОД СЕГМЕНТАЦИИ
ПОЗВОНОЧНИК
МЕДИЦИНСКИЕ ИЗОБРАЖЕНИЯ

Доп.точки доступа:
Li, Haiyun; Yan, Chye Hwang; Ong, Sim Heng; Chui, Chee Kong; Teoh, Swee Hin

9.
РЖ ВИНИТИ 34 (BI38) 05.01-04А3.845

    Zhou, Jiayin.
    Tumor volume measurement for nasopharyngeal carcinoma using knowledge-based fuzzy clustering MRI segmentation [Text] : докл. [Conference on "Medical Imaging 2002: Image Processing", San Diego, Calif., 24-28 Febr., 2002. Pt 3] / Jiayin Zhou, TUan-Kay Lim, Vincent Chong // Proc. SPIE. - 2002. - Vol. 4684. - P1698-1708 . - ISSN 1605-7422
Перевод заглавия: Измерение объема назофарингеальной карциномы с помощью сегментации магнитно-резонансных изображений на основе нечеткой кластеризации с использованием знаний
Аннотация: Разработан алгоритм нечеткой кластеризации с использованием знаний (KBFC), предназначенный для сегментации магнитно-резонансных изображений. В качестве знаков для сегментации используются значения контрастности на изображениях. Кластеризация проводится по принципу нечетких с-средних. Используются знания о симметрии, связности и положении центра. Представлены результаты проведенных экспериментов на реальных данных о назофарингеальной карциноме. Качество сегментации изображений оказалось выше, чем в известных методах, и во всех экспериментах превысило 94%. Сингапур, School of Electrical and Electronic Eng., Nanyang Technological Univ., Singapore 639798. Ил. 8. Табл. 4. Библ. 13
ГРНТИ  
34.05.25
ВИНИТИ 341.05.25.15.09.13
Рубрики: ОБРАБОТКА ИЗОБРАЖЕНИЙ
МАГНИТНО-РЕЗОНАНСНАЯ ТОМОГРАФИЯ
МЕТОД СЕГМЕНТАЦИИ
НЕЧЕТКАЯ КЛАСТЕРИЗАЦИЯ С ИСПОЛЬЗОВАНИЕМ С-СРЕДНИХ
ОПУХОЛИ
НАЗОКАРЦИНОМА
МЕДИЦИНСКИЕ ИЗОБРАЖЕНИЯ

Доп.точки доступа:
Lim, TUan-Kay; Chong, Vincent

10.
РЖ ВИНИТИ 34 (BI38) 05.01-04А3.846

    Valdes, Raquel.
    Adaptive RBF network with active contour coupling for Multispectral MRI segmentation [Text] : докл. [Conference on "Medical Imaging 2002: Image Processing", San Diego, Calif., 24-28 Febr., 2002. Pt 3] / Raquel Valdes, Veronica Medina, Oscar Yanez-Suarez // Proc. SPIE. - 2002. - Vol. 4684. - P1610-1621 . - ISSN 1605-7422
Перевод заглавия: Адаптивная сеть с радиальными базисными функциями со связыванием активных контуров для сегментации мультиспектральных магнитно-резонансных изображений
Аннотация: Для обнаружения границ между серым и белым веществом на изображениях, полученных с помощью МР-томографии предложено использовать нейронную сеть с радиальными базисными функциями в сочетании с моделью активных контуров, представленных кубическими сплайнами. Описаны: архитектура разработанной нейросетевой системы, используемые внутренние представления данных, процедура обучения. Приведены примеры использования системы в сегментации реальных магнитно-резонансных изображений. Показано, что она обеспечивает очень высокую точность и возможность учета дополнительных ограничений на возможные положения границы между областями. Мексика, Univ. Autonoma Metropoplitana, Iztapalapa. Ил. 8. Табл. 2. Библ. 2
ГРНТИ  
34.05.25
ВИНИТИ 341.05.25.15.09.13
Рубрики: ОБРАБОТКА ИЗОБРАЖЕНИЙ
МАГНИТНО-РЕЗОНАНСНАЯ ТОМОГРАФИЯ
МЕТОД СЕГМЕНТАЦИИ
АДАПТИВНАЯ СЕТЬ
РАДИАЛЬНЫЕ БАЗИСНЫЕ ФУНКЦИИ
СВЯЗЫВАНИЕ АКТИВНЫХ КОНТУРОВ
ОБНАРУЖЕНИЕ ГРАНИЦ
СЕРОЕ/БЕЛОЕ ВЕЩЕСТВО

Доп.точки доступа:
Medina, Veronica; Yanez-Suarez, Oscar

11.
РЖ ВИНИТИ 34 (BI36) 93.03-04А4.322

   
    Attenuation correction in wiole body PET [Text] : [Abstr.] 39th Annu. Meet. Soc. Nucl. Med., Los Angeles, Calif., June 9-12, 1992 / S. R. Meikle [et al.] // J. Nucl. Med. - 1992. - Vol. 33, N 5 Suppl. - P862 . - ISSN 0161-5505
Перевод заглавия: Коррекция ослабления излучения при ПЭТ всего тела
Аннотация: Усовершенствован многокольцевой ПЭТ-ф с аксиальным полем чувствительности путем обеспечения возможности прямоугольного сканирования с целью выполнения ПЭТ всего тела с {1}{8}F-ФДГ и {1}{8}F-фторидом. Для увеличения скорости введения поправки на ослабление излучения (ОИ) разработан метод сегментированной коррекции трансмиссионных данных, основанный на подразделении трансмиссионного изображения на псевдодискретные анатомич. области с соотв. коэф. ОИ, после чего сегментированные изображения проецируются и вычисляется бесшумовое распределение факторов ОИ. В фантомных измерениях установлено, что погрешность реконструкции составляет 3% с миним. воздействием отношения сигнал/шум. Кроме того, был найден оптим. режим сканирования среди 3 испытанных в фантомных экспериментах. США, Div. of Nucl. Med. and Biophys., UCLA Sch. of Med., Los Angeles.
ГРНТИ  
34.49.33
ВИНИТИ 341.49.33.15.15
Рубрики: ПЭТ
ВСЕГО ТЕЛА
ОСЛАБЛЕНИЕ ИЗЛУЧЕНИЯ
ВВЕДЕНИЕ ПОПРАВКИ
ТРАНСМИССИОННЫЕ ДАННЫЕ
МЕТОД СЕГМЕНТАЦИИ

Доп.точки доступа:
Meikle, S.R.; Dahlbom, M.; Cherry, S.R.; Chatziioannou, A.

12.
РЖ ВИНИТИ 34 (BI36) 16.09-04А4.133Д

    Дюдин, М. В.
    Методы, модели и алгоритмы анализа и классификации растровых изображений рентгенограмм грудной клетки [Текст] : автореф. дис. на соиск. уч. степ. : Автореф. дис. на соиск. учен. степ. канд. техн. наук : 05.11.17 / М. В. Дюдин ; Юго-Зап. гос. ун-т, Курск. - Курск, 2016. - 20 с. : ил. - 19
Аннотация: Изложены методы сегментации изображений с нечеткими морфологическими образованиями, основанные на локальной обработке изображений арифметическими и морфологическими операторами со сложными частотными характеристиками, позволяющие осуществить контурный анализ морфологических образований рентгеновского снимка с последующим нейросетевым анализом получаемого пространства информативных признаков. Разработанные методы, модели и алгоритмы составили основу автоматизированного места врача-рентгенолога. Применение предложенных методов, алгоритмов и моделей классификации рентгеновских снимков позволит использовать интеллектуальные технологии в программах скрининговой диагностики социально значимых заболеваний
ГРНТИ  
34.49.33
ВИНИТИ 341.49.33.13.05.11
Рубрики: РЕНТГЕНОВСКИЕ ИЗОБРАЖЕНИЯ
НЕЧЕТКИЕ МОРФОЛОГИЧЕСКИЕ ОБРАЗОВАНИЯ
МЕТОД СЕГМЕНТАЦИИ
МОДЕЛИ
АЛГОРИТМЫ

Доп.точки доступа:
Юго-Зап. гос. ун-т, Курск
Свободных экз. нет
13.
РЖ ВИНИТИ 34 (BI36) 16.09-04А4.188

   
    Accurate vessel segmentation with constrained B-snake [Text] / Y. Cheng [et al.] // IEEE Trans. Image Process. - 2015. - Vol. 24, N 8. - P2440-2455. - 39 . - ISSN 1057-7149
Перевод заглавия: Точная сегментация сосудов путем ограничения B-snake
Аннотация: Разработан метод активных контуров с точным ограничением формы и размеров сосудов в поперечной плоскости для сегментации изображений сосудов по данным 3D KT. КНР, Sch. of Computer Sci. and Technol., Harbin Inst. of Technol, Harbin
ГРНТИ  
34.49.33
ВИНИТИ 341.49.33.15.11.07
Рубрики: КТ-ИЗОБРАЖЕНИЯ
МЕТОД СЕГМЕНТАЦИИ
КРОВЕНОСНЫЕ СОСУДЫ

Доп.точки доступа:
Cheng, Y.; Hu, X.; Wang, J.; Wang, Y.; Tamura, S.
 
Описание базы
Стандартный
По словарю
Расширенный
Профессиональный
Распределенный
ГРНТИ



"Электронные каталоги и базы данных библиотек СО РАН"
© Международная Ассоциация пользователей и разработчиков электронных библиотек и новых информационных технологий
(Ассоциация ЭБНИТ)