Feature extraction and supervised classification of MR images to support proton radiation therapy of eye tumors

Kunz, Holger; Derz, Claus; Tolxdorff, Thomas; Bernarding, Johannes

doi:10.1016/s0169-2607(03)00074-9

Cited by 3 publications

(3 citation statements)

References 23 publications

Supporting

Mentioning

Contrasting

Order By: Relevance

“…Textural analysis is one such method of assessing morphology, and is an established method of image classification for aerial and satellite photography. Some attempts have been made to use texture in MR image analysis , particularly in the brain .…”

mentioning

confidence: 99%

Texture analysis in assessment and prediction of chemotherapy response in breast cancer

Ahmed

Gibbs

Pickles

et al. 2012

J. Magn. Reson. Imaging

172

166

View full text Add to dashboard Cite

show abstract

mentioning

confidence: 99%

Texture analysis in assessment and prediction of chemotherapy response in breast cancer

Ahmed

Gibbs

Pickles

et al. 2012

J. Magn. Reson. Imaging

172

166

View full text Add to dashboard Cite

show abstract

“…Karam et al (2003) utilizaram informações de textura para caracterização de imagens de tomografia computadorizada de pulmão em um sistema para recuperação de imagens baseado em conteúdo. Kunz et al (2004) usaram informações de textura e forma para extração e classificação de características em imagens de ressonância magnética para planejamento de terapia de prótons em tumores nos olhos.…”

Section: Aplicações Médicasunclassified

“…A identificação com fins de visualização para planejamento radioterápico também é descrita na literatura. Kunz et al (2004) utilizaram uma estratégia para planejamento de radioterapia em tumores de retina, que envolve a identificação ocular pelo casamento de características da imagem analisada com as de imagens de um banco de dados. Kobashi e Shapiro (1995) desenvolveram um trabalho para identificação de órgãos abdominais em imagens de CT, como uma etapa no planejamento de tratamento radioterápico.…”

Section: Algumas Aplicaçõesunclassified

Representação em multiplas escalas para identificação automatica de estruturas em imagens medicas

Rebelo¹,

Moura²

View full text Add to dashboard Cite

A identificação de estruturas constitui uma etapa importante em processamento de imagens médicas. Este trabalho pretende contribuir na área de identificação de imagens médicas, e tem por objetivo propor uma metodologia genérica para identificação de estruturas, utilizando uma abordagem em múltiplas resoluções, o espaço de escalas. Avalia-se a utilização de uma representação de dados em múltiplas escalas que permite a inclusão de conhecimento a priori sobre as estruturas em diversas escalas e ainda explora-se a idéia de realizar o processamento em uma escala apropriada. A metodologia é composta das seguintes etapas: (i) criação de uma representação dos dados em diversas escalas utilizando a teoria de espaço de escalas linear. (ii) A seguir, analisa-se as imagens presentes em todas as escalas e detecta-se as características relevantes das imagens. O produto dessa etapa é uma representação em forma de árvore que mapeia as relações entre as estruturas no espaço de escalas. Essa representação serve como base para o passo seguinte, o processamento de alto nível, no qual o conhecimento a priori sobre a estrutura procurada é modelado e incluído na representação. (iii) A última etapa é o casamento entre os elementos presentes na estrutura construída e um padrão conhecido que descreve a estrutura de interesse. A metodologia é genérica e o tipo de informação armazenada no padrão depende da aplicação específica. Neste trabalho, foi implementado um protótipo, no qual são utilizadas informações geométricas para identificação de órgãos em imagens 2D de phantom que reproduz a anatomia humana. Os resultados da aplicação da metodologia em imagens com diferentes níveis de ruído e contraste foram bastante satisfatórios. As duas primeiras etapas já estão implementadas para imagens 3D e novos parâmetros podem ser facilmente incluídos na etapa de casamento para aplicações em imagens tri-dimensionais.

show abstract

VisionNet: An efficient vision transformer-based hybrid adaptive networks for eye cancer detection with enhanced cheetah optimizer

2024

Biomedical Signal Processing and Control

View full text Add to dashboard Cite

Feature extraction and supervised classification of MR images to support proton radiation therapy of eye tumors

Cited by 3 publications

References 23 publications

Texture analysis in assessment and prediction of chemotherapy response in breast cancer

Texture analysis in assessment and prediction of chemotherapy response in breast cancer

Representação em multiplas escalas para identificação automatica de estruturas em imagens medicas

VisionNet: An efficient vision transformer-based hybrid adaptive networks for eye cancer detection with enhanced cheetah optimizer

Contact Info

Product

Resources

About