MétaCan
Menu
Retour à la cohorte
Enregistrement W2034904519 · doi:10.1109/fskd.2010.5569555

Fuzzy inference system for endocardial edge detection

2010· article· en· W2034904519 sur OpenAlexaff
Hussin Ketout, Jason Gu, Gabrielle Horne

Notice bibliographique

Revue2010 Seventh International Conference on Fuzzy Systems and Knowledge Discovery · 2010
Typearticle
Langueen
DomaineComputer Science
ThématiqueMedical Image Segmentation Techniques
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésSmoothnessEdge detectionArtificial intelligenceEnhanced Data Rates for GSM EvolutionPattern recognition (psychology)Contrast (vision)InferenceFuzzy logicAdaptive neuro fuzzy inference systemFuzzy setComputer scienceDetectorSet (abstract data type)MathematicsFuzzy control systemComputer visionImage (mathematics)Image processing

Résumé

récupéré en direct d'OpenAlex

An approach for left ventricular endocardial edge detection based on fuzzy IF-THEN inference rules is proposed in this paper. The echocardiographic image is preprocessed to enhance the contrast and smoothness. Four inputs are given to fuzzy inference system from 3 × 3 spatial window; each input has five linguistic variables named VLOW, LOW, MED, HIGH and VHIGH. The fuzzy set and rules are derived heuristically to detect the edges even in low contrast region. The approach is successfully applied to echocardiographic images to detect the LV endocardial edges. The IF-THEN rules can be easily changed to adjust the edge thickness and it has a flexible structure to be adjusted. Some experimental results are given and compared to conventional edge detectors.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,973
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,031
Tête enseignante GPT0,314
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2010 Seventh International Conference on Fuzzy Systems and Knowledge DiscoveryMême sujetMedical Image Segmentation TechniquesTravaux en français237 207