Stroke Lesion Detection Using Convolutional Neural Networks

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorUniversidade Estadual Paulista (Unesp)-
Autor(es): dc.contributorFed Inst Educ Sci & Technol Ceara-
Autor(es): dc.contributorUniv Fortaleza-
Autor(es): dc.creatorPereira, Danillo Roberto [UNESP]-
Autor(es): dc.creatorReboucas Filho, Pedro P.-
Autor(es): dc.creatorRosa, Gustavo Henrique de [UNESP]-
Autor(es): dc.creatorPapa, Joao Paulo [UNESP]-
Autor(es): dc.creatorAlbuquerque, Victor Hugo C. de-
Autor(es): dc.creatorIEEE-
Data de aceite: dc.date.accessioned2022-02-22T00:57:08Z-
Data de disponibilização: dc.date.available2022-02-22T00:57:08Z-
Data de envio: dc.date.issued2021-06-25-
Data de envio: dc.date.issued2021-06-25-
Data de envio: dc.date.issued2018-01-01-
Fonte completa do material: dc.identifierhttp://hdl.handle.net/11449/209622-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/11449/209622-
Descrição: dc.descriptionStroke is an injury that affects the brain tissue, mainly caused by changes in the blood supply to a particular region of the brain. As consequence, some specific functions related to that affected region can be reduced, decreasing the quality of life of the patient. In this work, we deal with the problem of stroke detection in Computed Tomography (CT) images using Convolutional Neural Networks (CNN) optimized by Particle Swarm Optimization (PSO). We considered two different kinds of strokes, ischemic and hemorrhagic, as well as making available a public dataset to foster the research related to stroke detection in the human brain. The dataset comprises three different types of images for each case, i.e., the original CT image, one with the segmented cranium and an additional one with the radiological density's map. The results evidenced that CNN's are suitable to deal with stroke detection, obtaining promising results.-
Descrição: dc.descriptionFundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP)-
Descrição: dc.descriptionConselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)-
Descrição: dc.descriptionFundação para o Desenvolvimento da UNESP (FUNDUNESP)-
Descrição: dc.descriptionSao Paulo State Univ, Dept Comp, Bauru, SP, Brazil-
Descrição: dc.descriptionFed Inst Educ Sci & Technol Ceara, Limoeiro Do Norte, CE, Brazil-
Descrição: dc.descriptionUniv Fortaleza, Grad Program Appl Informat, Fortaleza, CE, Brazil-
Descrição: dc.descriptionSao Paulo State Univ, Dept Comp, Bauru, SP, Brazil-
Descrição: dc.descriptionFAPESP: 2013/073750-
Descrição: dc.descriptionFAPESP: 2014/12236-1-
Descrição: dc.descriptionFAPESP: 2014/16250-9-
Descrição: dc.descriptionFAPESP: 2015/25739-4-
Descrição: dc.descriptionFAPESP: 2016/21243-7-
Descrição: dc.descriptionCNPq: 470501/2013-8-
Descrição: dc.descriptionCNPq: 301928/2014-2-
Descrição: dc.descriptionCNPq: 306166/2014-3-
Descrição: dc.descriptionCNPq: 307066/2017-7-
Descrição: dc.descriptionFUNDUNESP: 2597.2017-
Formato: dc.format6-
Idioma: dc.languageen-
Publicador: dc.publisherIeee-
Relação: dc.relation2018 International Joint Conference On Neural Networks (ijcnn)-
???dc.source???: dc.sourceWeb of Science-
Título: dc.titleStroke Lesion Detection Using Convolutional Neural Networks-
Aparece nas coleções:Repositório Institucional - Unesp

Não existem arquivos associados a este item.