Medical image classification via sparse representations
In this thesis, we study the problem of recognizing/classifying different body parts from Magnetic Resonance Images (MRI). We follow an approach that utilizes the compressed sensing/sparse representations theory. Our work is based upon a recently proposed image classification method that utilizes...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | English |
| Έκδοση: |
2022
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/15833 |
| id |
nemertes-10889-15833 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-158332022-09-05T06:57:22Z Medical image classification via sparse representations Ταξινόμηση ιατρικών εικόνων με βάση αραιές αναπαραστάσεις Ελευθερία, Κολοκυθά Eleftheria, Kolokitha Classification Medical images Sparse represantation theory Ταξινόμηση Ιατρικές εικόνες Θεωρία αραιών αναπαραστάσεων In this thesis, we study the problem of recognizing/classifying different body parts from Magnetic Resonance Images (MRI). We follow an approach that utilizes the compressed sensing/sparse representations theory. Our work is based upon a recently proposed image classification method that utilizes sparse representations for the problem of face recognition. In this thesis, we propose a proper modification of that method that makes it robust against spatial translations (shifts). Σε αυτή τη διπλωματική, μελετάμε το πρόβλημα της αναγνώρισης/ταξινόμησης διαφορετικών μερών του σώματος από τις εικόνες μαγνητικού συντονισμού (MRI). Ακολουθούμε μια προσέγγιση που χρησιμοποιεί τη θεωρία συμπιεσμένης αίσθησης/αραιών αναπαραστάσεων. Η εργασία μας βασίζεται σε μια προτεινόμενη μέθοδο ταξινόμησης εικόνων που χρησιμοποιεί αραιές αναπαραστάσεις για το πρόβλημα της αναγνώρισης προσώπου. Σε αυτή τη διατριβή, προτείνουμε μια τροποποίηση αυτής της μεθόδου που την καθιστά ανθεκτική έναντι σε χωρικές μετατοπίσεις. 2022-02-28T06:48:04Z 2022-02-28T06:48:04Z 2022-02-23 http://hdl.handle.net/10889/15833 en application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
English |
| topic |
Classification Medical images Sparse represantation theory Ταξινόμηση Ιατρικές εικόνες Θεωρία αραιών αναπαραστάσεων |
| spellingShingle |
Classification Medical images Sparse represantation theory Ταξινόμηση Ιατρικές εικόνες Θεωρία αραιών αναπαραστάσεων Ελευθερία, Κολοκυθά Medical image classification via sparse representations |
| description |
In this thesis, we study the problem of recognizing/classifying different body
parts from Magnetic Resonance Images (MRI). We follow an approach that
utilizes the compressed sensing/sparse representations theory. Our work is based upon a recently proposed image classification method that utilizes sparse representations for the problem of face recognition. In this thesis, we propose a proper modification of that method that makes it robust against spatial translations (shifts). |
| author2 |
Eleftheria, Kolokitha |
| author_facet |
Eleftheria, Kolokitha Ελευθερία, Κολοκυθά |
| author |
Ελευθερία, Κολοκυθά |
| author_sort |
Ελευθερία, Κολοκυθά |
| title |
Medical image classification via sparse representations |
| title_short |
Medical image classification via sparse representations |
| title_full |
Medical image classification via sparse representations |
| title_fullStr |
Medical image classification via sparse representations |
| title_full_unstemmed |
Medical image classification via sparse representations |
| title_sort |
medical image classification via sparse representations |
| publishDate |
2022 |
| url |
http://hdl.handle.net/10889/15833 |
| work_keys_str_mv |
AT eleutheriakolokytha medicalimageclassificationviasparserepresentations AT eleutheriakolokytha taxinomēsēiatrikōneikonōnmebasēaraiesanaparastaseis |
| _version_ |
1771297172532232192 |
