메뉴 건너뛰기
.. 내서재 .. 알림
소속 기관/학교 인증
인증하면 논문, 학술자료 등을  무료로 열람할 수 있어요.
한국대학교, 누리자동차, 시립도서관 등 나의 기관을 확인해보세요
(국내 대학 90% 이상 구독 중)
로그인 회원가입 고객센터 ENG
주제분류
인문학
인문학 일반 역사학 철학 종교학 어문학 기타 인문학
사회과학
사회과학 일반 경영학 관광학 교육학 군사학 문헌정보학 법학 사회학 신문방송학 심리과학 정치외교학 지리학 행정학 경제학 무역학 인류학 기타 사회과학
자연과학
자연과학 일반 물리학 생물학 생활과학 수학·통계학 천문학 지구과학 화학 기타 자연과학
공학
공학 일반 건축공학 기계공학 산업공학 재료·에너지공학 전기전자공학 조선해양공학 화학공학 컴퓨터학 기타공학
의약학
의학 일반 간호학 수의학 약학 한의학 기초의학 임상의학 기타 의약학
농수해양학
농수해양학 일반 농학 수산학 식품과학 임학 축산학 해상운송학 기타 농수해양학
예술체육학
예술 일반 디자인 미술 미용 사진 음악학 의상 체육 공연매체예술 기타 예술체육학
복합학
학제간연구 과학기술학 뇌인지과학 기술정책 기타 복합학

ENG

추천
검색

논문 기본 정보

자료유형
학술저널
저자정보
Vandana V. Kale (AISSMS’s Institute of Information Technology) Satish T. Hamde (SGGGS Institute of Engineering and Technology) Raghunath S. Holambe (SGGGS Institute of Engineering and Technology)
저널정보
대한의용생체공학회 Biomedical Engineering Letters (BMEL) Biomedical Engineering Letters (BMEL) Vol.9 No.2
발행연도
2019.1
수록면
221 - 231 (11page)

이용수

표지
📌
연구주제
📖
연구배경
🔬
연구방법
🏆
연구결과
AI에게 요청하기
추천
검색

초록· 키워드

오류제보하기
Brain disorder recognition has becoming a promising area of study. In reality, some disorders share similar features andsigns, making the task of diagnosis and treatment challenging. This paper presents a rigorous and robust computer aideddiagnosis system for the detection of multiple brain abnormalities which can assist physicians in the diagnosis and treatmentof brain diseases. In this system, we used energy of wavelet sub bands, textural features of gray level co-occurrence matrixand intensity feature of MR brain images. These features are ranked using Wilcoxon test. The composite features are classified using back propagation neural network. Bayesian regulation is adopted to fi nd the optimal weights of neural network. The experimentation is carried out on datasets DS-90 and DS-310 of Harvard Medical School. To enhance the generalizationcapability of the network, fi vefold stratifi ed cross validation technique is used. The proposed system yields multi classdisease classifi cation accuracy of 100% in diff erentiating 90 MR brain images into 18 classes and 97.81% in diff erentiating310 MR brain images into 6 classes. The experimental results reveal that the composite features along with BPNN classifier create a competent and reliable system for the identifi cation of multiple brain disorders which can be used in clinicalapplications. The Wilcoxon test outcome demonstrates that standard deviation feature along with energies of approximateand vertical sub bands of level 7 contribute the most in achieving enhanced multi class classifi cation performance results.
#Magnetic resonance imaging · D

목차

등록된 정보가 없습니다.

참고문헌 (28)

참고문헌 신청
Sprawls P / 2000 / Magnetic resonance imaging: principles, methods and techniques / Sprawls Education Foundation google schola Chaplot S / 2006 / Classifi cation of magnetic resonance brain images using wavelets as input to support vector machine and neural network / Biomed Signal Process Control 1:86~92 Crossref Fujita H / 2008 / Computer-aided diagnosis: The emerging of three CAD systems induced by Japanese health care needs / Comput Methods Programs Biomed 92(3):238~248 google schola Doi K / 2007 / Computer-aided diagnosis in medical imaging : historical review, current status and future potential / Comput Med Imaging Gr 31(4):198~211 Crossref El-Dahshan E-SA / 2010 / Hybrid intelligent techniques for MRI brain images classifi cation / Digit Signal Process 20(2):433~441 Crossref

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

최근 본 자료

전체보기

댓글(0)

0