Probabilistic One Class Learning for Automatic Detection of Multiple Sclerosis Lesions
| العنوان: | Probabilistic One Class Learning for Automatic Detection of Multiple Sclerosis Lesions |
|---|---|
| المؤلفون: | Olivier Commowick, Christian Barillot, Yogesh Karpate |
| المساهمون: | Vision, Action et Gestion d'informations en Santé (VisAGeS), Institut National de la Santé et de la Recherche Médicale (INSERM)-Inria Rennes – Bretagne Atlantique, Institut National de Recherche en Informatique et en Automatique (Inria)-Institut National de Recherche en Informatique et en Automatique (Inria)-SIGNAUX ET IMAGES NUMÉRIQUES, ROBOTIQUE (IRISA-D5), Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Université de Rennes (UR)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Institut National de Recherche en Informatique et en Automatique (Inria)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Institut National des Sciences Appliquées (INSA)-Institut National des Sciences Appliquées (INSA)-Université de Bretagne Sud (UBS)-École normale supérieure - Rennes (ENS Rennes)-Télécom Bretagne-CentraleSupélec-Centre National de la Recherche Scientifique (CNRS), CentraleSupélec-Télécom Bretagne-Université de Rennes 1 (UR1), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-Institut National de Recherche en Informatique et en Automatique (Inria)-École normale supérieure - Rennes (ENS Rennes)-Université de Bretagne Sud (UBS)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-CentraleSupélec-Télécom Bretagne-Université de Rennes 1 (UR1), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA)-Institut de Recherche en Informatique et Systèmes Aléatoires (IRISA), Université de Rennes (UNIV-RENNES)-Université de Rennes (UNIV-RENNES)-École normale supérieure - Rennes (ENS Rennes)-Université de Bretagne Sud (UBS)-Centre National de la Recherche Scientifique (CNRS)-Institut National des Sciences Appliquées - Rennes (INSA Rennes), Institut National des Sciences Appliquées (INSA)-Université de Rennes (UNIV-RENNES)-Institut National des Sciences Appliquées (INSA), Commowick, Olivier |
| المصدر: | HAL IEEE International Symposium on Biomedical Imaging (ISBI) IEEE International Symposium on Biomedical Imaging (ISBI), Apr 2015, Brooklyn, United States. pp.486-489 ISBI |
| مصطلحات موضوعية: | Probabilistic classification, medicine.diagnostic_test, business.industry, Computer science, Multiple sclerosis, Feature extraction, fungi, Probabilistic logic, Magnetic resonance imaging, Pattern recognition, Image segmentation, medicine.disease, computer.software_genre, Lesion, Voxel, medicine, Computer vision, [SDV.NEU]Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC], [SDV.NEU] Life Sciences [q-bio]/Neurons and Cognition [q-bio.NC], Artificial intelligence, medicine.symptom, business, Classifier (UML), computer |
| الوصف: | International audience; This paper presents an automatic algorithm for the detec- tion of multiple sclerosis lesions (MSL) from multi-sequence magnetic resonance imaging (MRI). We build a probabilistic classifier that can recognize MSL as a novel class, trained only on Normal Appearing Brain Tissues (NABT). Patch based intensity information of MRI images is used to train a classifier at the voxel level. The classifier is in turn used to compute a probability characterizing the likelihood of each voxel to be a lesion. This probability is then used to identify a lesion voxel based on simple Otsu thresholding. The pro- posed framework is evaluated on 16 patients and our analysis reveals that our approach is well suited for MSL detection and outperforms other benchmark approaches. |
| وصف الملف: | application/pdf |
| URL الوصول: | https://explore.openaire.eu/search/publication?articleId=doi_dedup___::7b7b4b7a4dca1c5d0151c41f860ff89f https://www.hal.inserm.fr/inserm-01127690 |
| حقوق: | OPEN |
| رقم الأكسشن: | edsair.doi.dedup.....7b7b4b7a4dca1c5d0151c41f860ff89f |
| قاعدة البيانات: | OpenAIRE |
| الوصف غير متاح. |