Support vector machine classification combined with multimodal magnetic resonance imaging in detection of patients with schizophrenia

Zheng, Yunsong; Tong, Hangbin; Zhao, Teng; Guo, Xin; Xu, Hui; Yang, Ruwu

doi:10.1049/iet-ipr.2019.1108

Cited by 4 publications

(3 citation statements)

References 26 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Magnetic Resonance Imaging (MRI) is a medical imaging modality used to visualize the internal organs of the human body. The MRI is widely used for the diagnosis of a broad spectrum of diseases like ischemic stroke [1], Autism Spectrum Disorder (ASD) [2], Parkinson's disease [3], brain tumors [4], Schizophrenia [5], intracranial Tuberculosis [6], pancreatic cancer [7], Osteo Arthritis [8], prostate cancer [9] and Endometriosis [10]. Because of hardware limitations, images obtained from low-field MRI scanners are of low resolution, low acutance, and low contrast.…”

Section: Background and Problem Domainmentioning

confidence: 99%

A Post-Processing Algorithm for Boosting Contrast of MRI Images

Shiney¹,

Saleem²,

Rajinikanth³

et al. 2022

Computers, Materials &Amp; Continua

View full text Add to dashboard Cite

Low contrast of Magnetic Resonance (MR) images limits the visibility of subtle structures and adversely affects the outcome of both subjective and automated diagnosis. State-of-the-art contrast boosting techniques intolerably alter inherent features of MR images. Drastic changes in brightness features, induced by post-processing are not appreciated in medical imaging as the grey level values have certain diagnostic meanings. To overcome these issues this paper proposes an algorithm that enhance the contrast of MR images while preserving the underlying features as well. This method termed as Power-law and Logarithmic Modification-based Histogram Equalization (PLMHE) partitions the histogram of the image into two sub histograms after a power-law transformation and a log compression. After a modification intended for improving the dispersion of the sub-histograms and subsequent normalization, cumulative histograms are computed. Enhanced grey level values are computed from the resultant cumulative histograms. The performance of the PLMHE algorithm is compared with traditional histogram equalization based algorithms and it has been observed from the results that PLMHE can boost the image contrast without causing dynamic range compression, a significant change in mean brightness, and contrast-overshoot.

show abstract

Section: Background and Problem Domainmentioning

confidence: 99%

A Post-Processing Algorithm for Boosting Contrast of MRI Images

Shiney¹,

Saleem²,

Rajinikanth³

et al. 2022

Computers, Materials &Amp; Continua

View full text Add to dashboard Cite

show abstract

“…Support Vector Machine (SVM) pertama kali diperkenalkan oleh Vapnik pada tahun 1992 sebagai rangkaian harmonis konsep-konsep unggulan dalam bidang pattern recognition. SVM adalah metode learning machine yang bekerja atas prinsip Structural Risk Minimization (SRM) dengan tujuan menemukan hyperplane terbaik yang memisahkan dua buah class pada input space (Zheng et al, 2020). Konsep SVM dapat dijelaskan secara sederhana sebagai usaha mencari hyperplane terbaik yang berfungsi sebagai pemisah dua buah kelas pada input space.…”

Section: B Support Vector Machine (Svm)unclassified

Local Binary Pattern Untuk Ektraksi Tekstur Gambar Wajah Menggunakan Masker Dan Tanpa Masker

Abdi¹,

Kusrini²,

Kurniawan³

2022

Technologia

View full text Add to dashboard Cite

Diakhir tahun 2021 pandemi covid-19 sudah mulai menurun dan mobilitas sudah mulai tidak dibatasi akan tetapi varian baru covid-19 atau corona virus omicron mulai terdeteksi di Indonesia untuk itu masyarakat dihimbau dan diwajibkan selalu menggunakan masker ketika berada di luar rumah. Dan juga selalu menjaga jarak, menghindari kerumunan dan juga rajin mencuci tangan. Diwajibkannya selalu memakai masker menjadi point penting pada penelitian ini yang dimana fokus penelitian yang akan dilakukan yaitu citra gambar wajah menggunakan masker medis. Metode yang akan dilakukan yaitu dengan melakukan ekstraksi fitur atau tekstur gambar wajah menggunakan masker medis dan wajah tanpa masker. Ektraksi tekstur yang digunakan yaitu local binary pattern (LBP) yang dimana dilakukan beberapa pengujian varian rotasi nilai (R,P) R=radius dan P=n_point dari LBP dengan kombinasi jumlah data yang digunakan, untuk mengetahui akurasi dilakukan klasifikasi menggunakan metode support vector mechine (SVM) agar akurasi dari beberapa pengujian tersebut didapat akurasi terbaik. Hasil menunjukkan akurasi terbaik didapat 88.65% dari kombinasi beberapa model pengujian dari ektraksi tekstur wajah.

show abstract

“…Pada dasarnya, metode ini bekerja dengan cara mendefinisikan atas antara dua kelas dengan jarak maksimal dari data yang terdekat (Rizal, Girsang and Prasetiyo, 2019). SVM adalah metode learning machine yang bekerja atas prinsip Structural Risk Minimization (SRM) dengan tujuan menemukan hyperplane terbaik yang memisahkan dua buah class pada input space (Zheng et al, 2020).…”

Section: Trainingunclassified

Kombinasi Sobel, Canny Dan Otsu Untuk Segmentasi Citra Pengguna Helem Safety Dan Tanpa Helem Safety

Susanto¹

2022

Technologia

View full text Add to dashboard Cite

Kesehatan dan keselamatan kerja di atur oleh pemerintah dalam undang-undang Pasal 86 ayat (1) huruf a Undang-Undang Nomor 13 Tahun 2003 yang berisi “Pekerja mempunyai hak untuk mendapatkan perlindungan atas Keselamatan dan Kesehatan Kerja (K3)”. Berdasarkan undang-undang tersebut perushan di wajibkan melindungi karyawanya selama bekerja dengan menyediakan alat pelindung diri dengan lengkap serta pengawasan. Salah satu bagian paling penting dalam tubuh manusia adalah kepala, dengan penggunaan helem projek untuk melindungi kepala dapat mencegah terjadinya kecelakan kerja yang lebih serius. Dalam pengawasan pengguanan alat pelindung diri berupa helem di perlukan kesadaran dan pengawasan baik secara langsung maupun memanfaatakn teknologi. Pengolahan Citra merupakansalah satu teknologi yang dapat di manfaatakan dalam pengawasa. Pengolahan Citra dapat membedakan pengguna helem dan tidak, dalam prosesnya juga di perlukan beberapa tahapan. Salah satu tahapan paling penting adalah segmentasi Citra di mana gambar akan di olah terlebih dahulu. Dalam penelitian ini akan menggunakan beberapa metode segmentasi Citra seperti Sobel, Canny Dan Otsu untuk mendapatkan gambar yang baik dalam proses clasifikasi pengguna helem menggunakan metode SVM. Berdasarkan hasil pengujian di dapatkan kombinasi terbaik segmentasi cita sobel, canny, dan otsu yang di klasifikasi menggunakan SVM sebesar 81%.

show abstract

Support vector machine classification combined with multimodal magnetic resonance imaging in detection of patients with schizophrenia

Cited by 4 publications

References 26 publications

A Post-Processing Algorithm for Boosting Contrast of MRI Images

A Post-Processing Algorithm for Boosting Contrast of MRI Images

Local Binary Pattern Untuk Ektraksi Tekstur Gambar Wajah Menggunakan Masker Dan Tanpa Masker

Kombinasi Sobel, Canny Dan Otsu Untuk Segmentasi Citra Pengguna Helem Safety Dan Tanpa Helem Safety

Contact Info

Product

Resources

About