• español
  • English
  • français
  • Deutsch
  • português (Brasil)
  • italiano
  • Contact Us
  • Send Feedback
  • Enlaces y accesos
    • Derechos de autor
    • Políticas
    • Guía de autoarchivo
    • FAQ y ayuda
    • La ULE y el Acceso Abierto
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    • español
    • English
    • français
    • Deutsch
    • português (Brasil)
    • italiano
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Repositorio
    Institucional
    Abierto

    Browse

    All of BULERIACommunities and CollectionsAuthorsDirectoresTitlesSubjectsFacultad/CentroÁrea de conocimientoFecha de creación/publicaciónTitulaciónThis CollectionAuthorsDirectoresTitlesSubjectsFacultad/CentroÁrea de conocimientoFecha de creación/publicaciónTitulación

    My Account

    Login

    Statistics

    View Usage Statistics

    Otros enlaces

    View Item 
    •   BULERIA Home
    • Scientific Production
    • Artículos de revista (post-print)
    • View Item
    •   BULERIA Home
    • Scientific Production
    • Artículos de revista (post-print)
    • View Item

    Compartir

    Export

    RISMendeleyRefworksZotero
    • edm
    • marc
    • xoai
    • qdc
    • ore
    • ese
    • dim
    • uketd_dc
    • oai_dc
    • etdms
    • rdf
    • mods
    • mets
    • didl
    • premis

    Citas

    Academic Search
    Título
    Reliability of an automatic classifier for brain enlarged perivascular spaces burden and comparison with human performance
    Autor
    González Castro, VíctorAutoridad Buleria ORCID
    Valdés Hernández, María del C.
    Chappell, Francesca M.
    Armitage, Paul A.
    Makin, Stephen
    Wardlaw, Joanna M.
    Facultad/Centro
    Escuela de Ingenierias Industrial e Informatica
    Área de conocimiento
    Ingenieria de Sistemas y Automatica
    Datos de la obra
    Clinical Science, 2017, vol.13, n. 131,
    Editor
    Portland Press
    Fecha
    2017-07
    Descripción física
    pp. 1465-1481
    Abstract
    En el cerebro, los espacios perivasculares agrandados (PVS) se relacionan con la enfermedad de los vasos pequeños (SVD), mala cognición, inflamación e hipertensión. Proponemos un esquema totalmente automático que utiliza una máquina de vectores de soporte (SVM) para clasificar la carga de PVS en los ganglios basales (BG) como baja o alta. Evaluamos el rendimiento de tres tipos diferentes de descriptores extraídos de la región BG en imágenes de RMN ponderadas en T2: (I) estadísticas obtenidas de los coeficientes de la transformada de Wavelet, (II) patrones binarios locales y (III) bolsa de palabras visuales (BoW), descriptores basados en la caracterización de claves locales obtenidas de una rejilla densa con las características de transformación de la función de escala-invariante (SIFT). Cuando se utilizaron estos últimos, el SVM clasificador alcanzó la mejor precisión (81,16%). Lo obtenido del clasificador utilizando los descriptores del BoW se comparó con las calificaciones visuales realizadas por un neurorradiólogo experimentado (observador 1) y por un analista de imágenes entrenado (observador 2). El acuerdo y la correlación cruzada entre el clasificador y el observador 2 (κ = 0,67 (0,58 – 0,76)) fueron ligeramente más altos que entre el clasificador y el observador 1 (κ = 0,62 (0,53 – 0,72)) y entre ambos observadores (κ = 0,68 (0,61 – 0,75)). Por último, se construyeron tres modelos de regresión logística que utilizan variables clínicas como variable independiente y cada una de las clasificaciones de PVS como variable dependiente, para evaluar clínicamente lo significativas que resultan las predicciones del clasificador. El ajuste del modelo para el clasificador era bueno (área bajo la curva (AUC) valores: 0,93 (modelo 1), 0,90 (modelo 2) y 0,92 (modelo 3)) y un poco mejor (es decir, valores de AUC: 0,02 unidades superiores) que las del modelo para el observador 2. Estos resultados sugieren que, aunque se puede mejorar, un clasificador automático para evaluar la carga de PVS de la resonancia magnética del cerebro puede proporcionar resultados clínicamente significativos cercanos a los de un observador entrenado.
    Materia
    Medicina. Salud
    Palabras clave
    Enfermedad de los pequeños vasos
    Hipertensidades de la materia blanca
    Enfermedad de Alzheimer
    Clasificación de texturas
    Segmentación
    Imágenes
    Demencia
    Modelos
    Cadenas de Markov
    Idioma
    eng
    Tipo documental
    info:eu-repo/semantics/article
    Peer review
    SI
    URI
    http://hdl.handle.net/10612/10717
    Versión del editor
    http://www.clinsci.org/content/131/13/1465
    Collections
    • Artículos de revista (post-print) [2097]
    Show full item record
    Files in this item
    Nombre:
    Reliability of an automatic classifier for brain---.pdf
    Tamaño:
    1.690Mb
    Formato:
    Adobe PDF
    Descripción:
    PDF editor (open access)
    Thumbnail
    FilesOpen