MétaCan
Menu
Retour à la cohorte
Enregistrement W2067977604 · doi:10.1109/tbme.2012.2211017

Cross-Scale Coefficient Selection for Volumetric Medical Image Fusion

2012· article· en· W2067977604 sur OpenAlexafffund
Rui Shen, Irene Cheng, Anup Basu

Notice bibliographique

RevueIEEE Transactions on Biomedical Engineering · 2012
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Image Fusion Techniques
Établissements canadiensUniversity of Alberta
Organismes subventionnairesFaculty of Medicine and Dentistry, University of AlbertaNatural Sciences and Engineering Research Council of Canada
Mots-clésImage fusionComputer scienceArtificial intelligenceFusionFusion rulesSet (abstract data type)Scale (ratio)Sensor fusionMedical imagingData miningImage (mathematics)Selection (genetic algorithm)Pattern recognition (psychology)DecompositionInformation fusionComputer vision

Résumé

récupéré en direct d'OpenAlex

Joint analysis of medical data collected from different imaging modalities has become a common clinical practice. Therefore, image fusion techniques, which provide an efficient way of combining and enhancing information, have drawn increasing attention from the medical community. In this paper, we propose a novel cross-scale fusion rule for multiscale-decomposition-based fusion of volumetric medical images taking into account both intrascale and interscale consistencies. An optimal set of coefficients from the multiscale representations of the source images is determined by effective exploitation of neighborhood information. An efficient color fusion scheme is also proposed. Experiments demonstrate that our fusion rule generates better results than existing rules.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,006
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,006
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,007
Tête enseignante GPT0,259
Écart entre enseignants0,252 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

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

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

En bref

Citations116
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIEEE Transactions on Biomedical EngineeringMême sujetAdvanced Image Fusion TechniquesTravaux en français237 207