liu.seSearch for publications in DiVA
Endre søk
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Tensor Decomposition for Colour Image Segmentation of Burn Wounds
Linköpings universitet, Institutionen för medicinsk teknik, Avdelningen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten.ORCID-id: 0000-0003-2777-9416
Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för Kirurgi, Ortopedi och Onkologi. Linköpings universitet, Medicinska fakulteten.
Linköpings universitet, Institutionen för klinisk och experimentell medicin, Avdelningen för Kirurgi, Ortopedi och Onkologi. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Sinnescentrum, Hand- och plastikkirurgiska kliniken US.
Linköpings universitet, Institutionen för medicinsk teknik, Avdelningen för medicinsk teknik. Linköpings universitet, Tekniska fakulteten.ORCID-id: 0000-0002-4255-5130
2019 (engelsk)Inngår i: Scientific Reports, ISSN 2045-2322, E-ISSN 2045-2322, Vol. 9, artikkel-id 3291Artikkel i tidsskrift (Fagfellevurdert) Published
Abstract [en]

Research in burns has been a continuing demand over the past few decades, and important advancements are still needed to facilitate more effective patient stabilization and reduce mortality rate. Burn wound assessment, which is an important task for surgical management, largely depends on the accuracy of burn area and burn depth estimates. Automated quantification of these burn parameters plays an essential role for reducing these estimate errors conventionally carried out by clinicians. The task for automated burn area calculation is known as image segmentation. In this paper, a new segmentation method for burn wound images is proposed. The proposed methods utilizes a method of tensor decomposition of colour images, based on which effective texture features can be extracted for classification. Experimental results showed that the proposed method outperforms other methods not only in terms of segmentation accuracy but also computational speed.

sted, utgiver, år, opplag, sider
NATURE PUBLISHING GROUP , 2019. Vol. 9, artikkel-id 3291
HSV kategori
Identifikatorer
URN: urn:nbn:se:liu:diva-155553DOI: 10.1038/s41598-019-39782-2ISI: 000459983900097PubMedID: 30824754OAI: oai:DiVA.org:liu-155553DiVA, id: diva2:1297704
Merknad

Funding Agencies|Faculty of Science and Engineering Grant

Tilgjengelig fra: 2019-03-20 Laget: 2019-03-20 Sist oppdatert: 2019-08-22

Open Access i DiVA

fulltext(2277 kB)78 nedlastinger
Filinformasjon
Fil FULLTEXT01.pdfFilstørrelse 2277 kBChecksum SHA-512
6c014d9340cb7040f417f9d51bd37021548c0b5988f7424a51e2d245018d6bd66966a7d15dfae687ba6992eec133045fec1896d57ea3fd77c13db36540a3106e
Type fulltextMimetype application/pdf

Andre lenker

Forlagets fulltekstPubMed

Søk i DiVA

Av forfatter/redaktør
Cirillo, Marco DomenicoMirdell, RobinSjöberg, FolkePham, Tuan
Av organisasjonen
I samme tidsskrift
Scientific Reports

Søk utenfor DiVA

GoogleGoogle Scholar
Totalt: 78 nedlastinger
Antall nedlastinger er summen av alle nedlastinger av alle fulltekster. Det kan for eksempel være tidligere versjoner som er ikke lenger tilgjengelige

doi
pubmed
urn-nbn

Altmetric

doi
pubmed
urn-nbn
Totalt: 215 treff
RefereraExporteraLink to record
Permanent link

Direct link
Referera
Referensformat
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annet format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annet språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf