Spectral-Spatial Classification Using Tensor Modeling for Cancer Detection with Hyperspectral Imaging.
Spectral-Spatial Classification Using Tensor Modeling for Cancer Detection with Hyperspectral Imaging.
复制标题
DOI：
10.1117/12.2043796
复制
发表时间：
2014-03-21
期刊：
影响因子：
--
通讯作者：
Fei B
中科院分区：
文献类型：
--
作者：
Lu G;Halig L;Wang D;Chen ZG;Fei B
作为一种新兴的技术，高光谱成像（HSI）结合了光谱学的化学特异性和成像的空间分辨率，可以为癌症检测和诊断提供一种非侵入性的工具。早期发现恶性病变可以提高癌症患者的生存率和生活质量。在本文中，我们介绍了一个基于张量的计算和建模框架的分析高光谱图像检测头颈部癌症。该分类方法可以区分恶性组织和健康组织，平均敏感性为96.97%，平均特异性为91.42%。高光谱成像和分类技术已在动物模型中得到证实，并在癌症研究和管理中有许多潜在的应用。
As an emerging technology, hyperspectral imaging (HSI) combines both the chemical specificity of spectroscopy and the spatial resolution of imaging, which may provide a non-invasive tool for cancer detection and diagnosis. Early detection of malignant lesions could improve both survival and quality of life of cancer patients. In this paper, we introduce a tensor-based computation and modeling framework for the analysis of hyperspectral images to detect head and neck cancer. The proposed classification method can distinguish between malignant tissue and healthy tissue with an average sensitivity of 96.97% and an average specificity of 91.42% in tumor-bearing mice. The hyperspectral imaging and classification technology has been demonstrated in animal models and can have many potential applications in cancer research and management.
登录
查看更多内容
使用稀疏矩阵变换和水平集自动分割右心室超声图像。
影响因子：
3.5
作者：
Qin X;Cong Z;Fei B
通讯作者：
Fei B
DOI：
10.1109/tgrs.2012.2225065
发表时间：
2013-06-01
影响因子：
8.2
作者：
Lin, Tao;Bourennane, Salah
通讯作者：
Bourennane, Salah
影响因子：
3.5
作者：
Roblyer, Darren;Richards-Kortum, Rebecca;Gillenwater, Ann M.
通讯作者：
Gillenwater, Ann M.
DOI：
10.1109/tgrs.2012.2200486
发表时间：
2013-01-01
影响因子：
8.2
作者：
Hemissi, Selim;Farah, Imed Riadh;Solaiman, Basel
通讯作者：
Solaiman, Basel
影响因子：
4.8
作者：
Renard, Nadine;Bourennane, Salah;Blanc-Talon, Jacques
通讯作者：
Blanc-Talon, Jacques