AMNE:(NATURVETENSKAP Data- och informationsvetenskap Datorseende och robotik)
Sökning: AMNE:(NATURVETENSKAP Data- och informationsvetenskap Datorseende och robotik) > (2020-2024) > Enlarged Training D...
- 7 av 1307
- Föregående post
- Nästa post
- Till träfflistan
- Ge, Chenjie,1991Chalmers tekniska högskola,Chalmers University of Technology (författare)
Enlarged Training Dataset by Pairwise GANs for Molecular-Based Brain Tumor Classification
- Artikel/kapitelEngelska2020
Förlag, utgivningsår, omfång ...
- 2020
- electronicrdacarrier
Nummerbeteckningar
- LIBRIS-ID:oai:research.chalmers.se:cbd53062-3958-4f65-9ea8-a5ac8fd09248
- https://research.chalmers.se/publication/516637URI
- https://research.chalmers.se/publication/515421URI
- https://doi.org/10.1109/ACCESS.2020.2969805DOI
- https://gup.ub.gu.se/publication/289840URI
Kompletterande språkuppgifter
- Språk:engelska
- Sammanfattning på:engelska
Ingår i deldatabas
- SwePubSwePub
Klassifikation
Anmärkningar
- This paper addresses issues of brain tumor subtype classification using Magnetic Resonance Images (MRIs) from different scanner modalities like T1 weighted, T1 weighted with contrast-enhanced, T2 weighted and FLAIR images. Currently most available glioma datasets are relatively moderate in size, and often accompanied with incomplete MRIs in different modalities. To tackle the commonly encountered problems of insufficiently large brain tumor datasets and incomplete modality of image for deep learning, we propose to add augmented brain MR images to enlarge the training dataset by employing a pairwise Generative Adversarial Network (GAN) model. The pairwise GAN is able to generate synthetic MRIs across different modalities. To achieve the patient-level diagnostic result, we propose a post-processing strategy to combine the slice-level glioma subtype classification results by majority voting. A two-stage course-to-fine training strategy is proposed to learn the glioma feature using GAN-augmented MRIs followed by real MRIs. To evaluate the effectiveness of the proposed scheme, experiments have been conducted on a brain tumor dataset for classifying glioma molecular subtypes: isocitrate dehydrogenase 1 (IDH1) mutation and IDH1 wild-type. Our results on the dataset have shown good performance (with test accuracy 88.82%). Comparisons with several state-of-the-art methods are also included.
Ämnesord och genrebeteckningar
- NATURVETENSKAP Data- och informationsvetenskap Annan data- och informationsvetenskap hsv//swe
- NATURAL SCIENCES Computer and Information Sciences Other Computer and Information Science hsv//eng
- TEKNIK OCH TEKNOLOGIER Elektroteknik och elektronik hsv//swe
- ENGINEERING AND TECHNOLOGY Electrical Engineering, Electronic Engineering, Information Engineering hsv//eng
- NATURVETENSKAP Data- och informationsvetenskap Datorseende och robotik hsv//swe
- NATURAL SCIENCES Computer and Information Sciences Computer Vision and Robotics hsv//eng
- TEKNIK OCH TEKNOLOGIER Medicinteknik Medicinsk bildbehandling hsv//swe
- ENGINEERING AND TECHNOLOGY Medical Engineering Medical Image Processing hsv//eng
- MEDICIN OCH HÄLSOVETENSKAP Klinisk medicin Kirurgi hsv//swe
- MEDICAL AND HEALTH SCIENCES Clinical Medicine Surgery hsv//eng
- MEDICIN OCH HÄLSOVETENSKAP Klinisk medicin Radiologi och bildbehandling hsv//swe
- MEDICAL AND HEALTH SCIENCES Clinical Medicine Radiology, Nuclear Medicine and Medical Imaging hsv//eng
- MEDICIN OCH HÄLSOVETENSKAP Klinisk medicin Neurologi hsv//swe
- MEDICAL AND HEALTH SCIENCES Clinical Medicine Neurology hsv//eng
- MEDICIN OCH HÄLSOVETENSKAP Klinisk medicin Cancer och onkologi hsv//swe
- MEDICAL AND HEALTH SCIENCES Clinical Medicine Cancer and Oncology hsv//eng
- TEKNIK OCH TEKNOLOGIER Elektroteknik och elektronik Signalbehandling hsv//swe
- ENGINEERING AND TECHNOLOGY Electrical Engineering, Electronic Engineering, Information Engineering Signal Processing hsv//eng
- molecular-based brain tumor subtype classification
- glioma
- MRI
- deep learning
- generative adversarial networks
- multi-modal
- data augmentation
Biuppslag (personer, institutioner, konferenser, titlar ...)
- Gu, Irene Yu-Hua,1953Chalmers tekniska högskola,Chalmers University of Technology(Swepub:cth)irenegu (författare)
- Jakola, Asgeir StoreGothenburg University,Göteborgs universitet,Institutionen för neurovetenskap och fysiologi, sektionen för klinisk neurovetenskap,Institute of Neuroscience and Physiology, Department of Clinical Neuroscience(Swepub:gu)xjakas (författare)
- Yang, JieShanghai Jiao Tong University (författare)
- Chalmers tekniska högskolaInstitutionen för neurovetenskap och fysiologi, sektionen för klinisk neurovetenskap (creator_code:org_t)
Sammanhörande titlar
- Ingår i:IEEE Access8:1, s. 22560-225702169-35362169-3536
Internetlänk
- 7 av 1307
- Föregående post
- Nästa post
- Till träfflistan
Hitta mer i SwePub
- Av författaren/redakt...
- Ge, Chenjie, 199 ...
- Gu, Irene Yu-Hua ...
- Jakola, Asgeir S ...
- Yang, Jie
- Om ämnet
-
- NATURVETENSKAP
- NATURVETENSKAP
- och Data och informa ...
- och Annan data och i ...
-
- TEKNIK OCH TEKNOLOGIER
- TEKNIK OCH TEKNO ...
- och Elektroteknik oc ...
-
- NATURVETENSKAP
- NATURVETENSKAP
- och Data och informa ...
- och Datorseende och ...
-
- TEKNIK OCH TEKNOLOGIER
- TEKNIK OCH TEKNO ...
- och Medicinteknik
- och Medicinsk bildbe ...
-
- MEDICIN OCH HÄLSOVETENSKAP
- MEDICIN OCH HÄLS ...
- och Klinisk medicin
- och Kirurgi
-
- MEDICIN OCH HÄLSOVETENSKAP
- MEDICIN OCH HÄLS ...
- och Klinisk medicin
- och Radiologi och bi ...
- visa fler...
- visa färre...
- Artiklar i publikationen
- IEEE Access
- Av lärosätet
- Chalmers tekniska högskola
- Göteborgs universitet
Sök utanför SwePub
- Sök vidare i:
- Google Book Search
- Google Scholar
Kungliga biblioteket hanterar dina personuppgifter i enlighet med EU:s dataskyddsförordning (2018), GDPR. Läs mer om hur det funkar här.
Så här hanterar KB dina uppgifter vid användning av denna tjänst.
- Copyright © LIBRIS - Nationella bibliotekssystem
- LIBRIS.kb.se
