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
Rahul Hooda (Punjab Engineering College) Ajay Mittal (Panjab University) Sanjeev Sofat (Punjab Engineering College)
저널정보
대한의용생체공학회 Biomedical Engineering Letters (BMEL) Biomedical Engineering Letters (BMEL) Vol.9 No.1
발행연도
2019.1
수록면
109 - 117 (9page)

이용수

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

초록· 키워드

오류제보하기
Precisely segmented lung fields restrict the region-of-interest from which radiological patterns are searched, and is thus anindispensable prerequisite step in any chest radiographic CADx system. Recently, a number of deep learning-basedapproaches have been proposed to implement this step. However, deep learning has its own limitations and cannot be usedin resource-constrained settings. Medical systems generally have limited RAM, computational power, storage, and noGPUs. They are thus not always suited for running deep learning-based models. Shallow learning-based models withappropriately selected features give comparable performance but with modest resources. The present paper thus proposes ashallow learning-based method that makes use of 40 radiomic features to segment lung fields from chest radiographs. Adistance regularized level set evolution (DRLSE) method along with other post-processing steps are used to refine itsoutput. The proposed method is trained and tested using publicly available JSRT dataset. The testing results indicate thatthe performance of the proposed method is comparable to the state-of-the-art deep learning-based lung field segmentation(LFS) methods and better than other LFS methods.
#Radiomic features Lung field segmentation Chest radiographs

목차

등록된 정보가 없습니다.

참고문헌 (21)

참고문헌 신청
Al-antari MA / 2018 / An automatic computeraided diagnosis system for breast cancer in digital mammograms via deep belief network / J Med Biol Eng 38(3):443~456 google schola Annangi P / 2010 / A region based active contour method for x-ray lung segmentation using prior shape and low level features / 2010 IEEE international symposium on biomedical imaging: from nano to macro :892~895 google schola Arulmurugan R / 2018 / Computational vision and bio inspired computing / Springer :103~110 google schola Candemir’s code google schola Candemir S / 2014 / Lung segmentation in chest radiographs using anatomical atlases with nonrigid registration / IEEE Trans Med Imaging 33(2):577~590 google schola

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