Observatorio de I+D+i UPM

Memorias de investigación
Ponencias en congresos:
Emphysema detection and classification using a multi-scale deep convolutional neural network
Año:2017
Áreas de investigación
  • Biomedicina,
  • Equipo médico,
  • Tecnología electrónica y de las comunicaciones
Datos
Descripción
Chronic Obstructive Pulmonary Disease (COPD) is the fourth leading cause of death worldwide and leads to two main phenotypes: chronic bronchitis and emphysema. Densitometric analysis in CT is widely accepted measurement of emphysema, however it may not be able to classify it into subtypes. Others methods based on texture information have been proposed to carry out an emphysema classification. Texture patterns lead to six distinct types of emphysematous tissue: normal tissue (NT), paraseptal (PS), panlobular (PL) and mild, moderate and severe centrilobular (CL1, CL2, CL3) emphysema. In this article we propose and validate an emphysema pattern classification tool in CT images based on a Multi-scale Convolutional Neural Network (MCNN).
Internacional
Si
Nombre congreso
31st Computer Assisted Radiology and Surgery (CARS 2017)
Tipo de participación
960
Lugar del congreso
Barcelona- España
Revisores
Si
ISBN o ISSN
1861-6410
DOI
10.1007/s11548-017-1588-3
Fecha inicio congreso
20/06/2017
Fecha fin congreso
24/06/2017
Desde la página
141
Hasta la página
143
Título de las actas
Int. J. Comput. Assist. Radiol. Surg., vol. 12, no. suppl. 1,
Esta actividad pertenece a memorias de investigación
Participantes
  • Autor: Maria Jesus Ledesma Carbayo (UPM)
Grupos de investigación, Departamentos, Centros e Institutos de I+D+i relacionados
  • Creador: Grupo de Investigación: Tecnología de imágenes biomédicas
  • Centro o Instituto I+D+i: Centro de I+d+i en Procesado de la Información y Telecomunicaciones
  • Departamento: Ingeniería Electrónica
S2i 2021 Observatorio de investigación @ UPM con la colaboración del Consejo Social UPM
Cofinanciación del MINECO en el marco del Programa INNCIDE 2011 (OTR-2011-0236)
Cofinanciación del MINECO en el marco del Programa INNPACTO (IPT-020000-2010-22)