Clasificación binaria, desbalanceada y contextual de voxels asociados a series temporales

Autores
Giacomantone, Javier; De Giusti, Armando Eduardo
Año de publicación
2015
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
En este artículo se presenta un método computacional para clasificación de regiones 3D en función de sus características dinámicas. La clasificación de voxels atípicos se implementa en función de las series temporales asociadas a los mismos. El método opera en clasificación binaria, clases desbalanceadas y correlación espacial de las series asociadas a cada clase. El método propuesto utiliza máquinas de soporte vectorial y difusión anisotrópica robusta para detectar la estructura subyacente en los datos y clasificar los voxels correspondientes en cada clase. Se presentan resultados experimentales del método propuesto para datos de resonancia magnética funcional e imágenes de rango.
VI Workshop Procesamiento de Señales y Sistemas de Tiempo Real (WPSTR)
Red de Universidades con Carreras en Informática (RedUNCI)
Materia
Ciencias Informáticas
PATTERN RECOGNITION
serie temporal
máquinas de soporte vectorial
difusión anisotrópica
fMRI
TOF
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/50846
Acceder
id SEDICI_f8ea8cca5cc906c8119d93e49f90abb6
oai_identifier_str oai:sedici.unlp.edu.ar:10915/50846
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Clasificación binaria, desbalanceada y contextual de voxels asociados a series temporalesGiacomantone, JavierDe Giusti, Armando EduardoCiencias InformáticasPATTERN RECOGNITIONserie temporalmáquinas de soporte vectorialdifusión anisotrópicafMRITOFEn este artículo se presenta un método computacional para clasificación de regiones 3D en función de sus características dinámicas. La clasificación de voxels atípicos se implementa en función de las series temporales asociadas a los mismos. El método opera en clasificación binaria, clases desbalanceadas y correlación espacial de las series asociadas a cada clase. El método propuesto utiliza máquinas de soporte vectorial y difusión anisotrópica robusta para detectar la estructura subyacente en los datos y clasificar los voxels correspondientes en cada clase. Se presentan resultados experimentales del método propuesto para datos de resonancia magnética funcional e imágenes de rango.VI Workshop Procesamiento de Señales y Sistemas de Tiempo Real (WPSTR)Red de Universidades con Carreras en Informática (RedUNCI)2015-10info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/50846spainfo:eu-repo/semantics/altIdentifier/isbn/978-987-3806-05-6info:eu-repo/semantics/reference/hdl/10915/50028info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/2.5/ar/Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-10T12:07:26Zoai:sedici.unlp.edu.ar:10915/50846Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-10 12:07:26.838SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Clasificación binaria, desbalanceada y contextual de voxels asociados a series temporales
title Clasificación binaria, desbalanceada y contextual de voxels asociados a series temporales
spellingShingle Clasificación binaria, desbalanceada y contextual de voxels asociados a series temporales
Giacomantone, Javier
Ciencias Informáticas
PATTERN RECOGNITION
serie temporal
máquinas de soporte vectorial
difusión anisotrópica
fMRI
TOF
title_short Clasificación binaria, desbalanceada y contextual de voxels asociados a series temporales
title_full Clasificación binaria, desbalanceada y contextual de voxels asociados a series temporales
title_fullStr Clasificación binaria, desbalanceada y contextual de voxels asociados a series temporales
title_full_unstemmed Clasificación binaria, desbalanceada y contextual de voxels asociados a series temporales
title_sort Clasificación binaria, desbalanceada y contextual de voxels asociados a series temporales
dc.creator.none.fl_str_mv Giacomantone, Javier
De Giusti, Armando Eduardo
author Giacomantone, Javier
author_facet Giacomantone, Javier
De Giusti, Armando Eduardo
author_role author
author2 De Giusti, Armando Eduardo
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
PATTERN RECOGNITION
serie temporal
máquinas de soporte vectorial
difusión anisotrópica
fMRI
TOF
topic Ciencias Informáticas
PATTERN RECOGNITION
serie temporal
máquinas de soporte vectorial
difusión anisotrópica
fMRI
TOF
dc.description.none.fl_txt_mv En este artículo se presenta un método computacional para clasificación de regiones 3D en función de sus características dinámicas. La clasificación de voxels atípicos se implementa en función de las series temporales asociadas a los mismos. El método opera en clasificación binaria, clases desbalanceadas y correlación espacial de las series asociadas a cada clase. El método propuesto utiliza máquinas de soporte vectorial y difusión anisotrópica robusta para detectar la estructura subyacente en los datos y clasificar los voxels correspondientes en cada clase. Se presentan resultados experimentales del método propuesto para datos de resonancia magnética funcional e imágenes de rango.
VI Workshop Procesamiento de Señales y Sistemas de Tiempo Real (WPSTR)
Red de Universidades con Carreras en Informática (RedUNCI)
description En este artículo se presenta un método computacional para clasificación de regiones 3D en función de sus características dinámicas. La clasificación de voxels atípicos se implementa en función de las series temporales asociadas a los mismos. El método opera en clasificación binaria, clases desbalanceadas y correlación espacial de las series asociadas a cada clase. El método propuesto utiliza máquinas de soporte vectorial y difusión anisotrópica robusta para detectar la estructura subyacente en los datos y clasificar los voxels correspondientes en cada clase. Se presentan resultados experimentales del método propuesto para datos de resonancia magnética funcional e imágenes de rango.
publishDate 2015
dc.date.none.fl_str_mv 2015-10
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/50846
url http://sedici.unlp.edu.ar/handle/10915/50846
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-987-3806-05-6
info:eu-repo/semantics/reference/hdl/10915/50028
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/2.5/ar/
Creative Commons Attribution-NonCommercial-ShareAlike 2.5 Argentina (CC BY-NC-SA 2.5)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1842903949601931264
score 12.993085

Publicaciones similares