liu.seSök publikationer i DiVA
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • oxford
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
Feature space clustering for trabecular bone segmentation
Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. KTH Royal Institute of Technology, School of Technology and Health, Sweden.
Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. Region Östergötland, Diagnostikcentrum, Röntgenkliniken i Linköping.ORCID-id: 0000-0003-0884-899X
Linköpings universitet, Institutionen för medicin och hälsa, Avdelningen för radiologiska vetenskaper. Linköpings universitet, Medicinska fakulteten. Region Östergötland, Diagnostikcentrum, Röntgenkliniken i Linköping. Linköpings universitet, Centrum för medicinsk bildvetenskap och visualisering, CMIV. KTH Royal Institute of Technology, School of Technology and Health, Sweden.ORCID-id: 0000-0002-7750-1917
KTH Royal Institute of Technology, School of Technology and Health, Sweden.
2017 (Engelska)Ingår i: Image Analysis - 20th Scandinavian Conference on Image Analysis, SCIA 2017, Proceedings / [ed] Sharma P., Bianchi F., Springer, 2017, Vol. 10270, s. 65-70Konferensbidrag, Publicerat paper (Refereegranskat)
Abstract [en]

Trabecular bone structure has been shown to impact bone strength and fracture risk. In vitro, this structure can be measured by micro-computed tomography (micro-CT). For clinical use, it would be valuable if multi-slice computed tomography (MSCT) could be used to analyse trabecular bone structure. One important step in the analysis is image volume segmentation. Previous segmentation techniques have either been computer resource intensive or produced suboptimal results when used on MSCT data. This paper proposes a new segmentation method that tries to balance good results against computational complexity.

Ort, förlag, år, upplaga, sidor
Springer, 2017. Vol. 10270, s. 65-70
Serie
Lecture Notes in Computer Science, ISSN 0302-9743, E-ISSN 1611-3349 ; 10270
Nyckelord [en]
Clustering, Feature-space, Segmentation, Trabecular bone
Nationell ämneskategori
Radiologi och bildbehandling
Identifikatorer
URN: urn:nbn:se:liu:diva-142938DOI: 10.1007/978-3-319-59129-2_6ISI: 000454360300006ISBN: 978-3-319-59128-5 (tryckt)ISBN: 978-3-319-59129-2 (digital)OAI: oai:DiVA.org:liu-142938DiVA, id: diva2:1156459
Konferens
20th Scandinavian Conference on Image Analysis (SCIA), Tromsö 12-14 juni 2017
Tillgänglig från: 2017-11-13 Skapad: 2017-11-13 Senast uppdaterad: 2020-07-08

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltext

Person

Klintström, EvaSmedby, Örjan

Sök vidare i DiVA

Av författaren/redaktören
Klintström, EvaSmedby, Örjan
Av organisationen
Centrum för medicinsk bildvetenskap och visualisering, CMIVAvdelningen för radiologiska vetenskaperMedicinska fakultetenRöntgenkliniken i Linköping
Radiologi och bildbehandling

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
isbn
urn-nbn

Altmetricpoäng

doi
isbn
urn-nbn
Totalt: 201 träffar
RefereraExporteraLänk till posten
Permanent länk

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