Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski pl
CORDIS - Wyniki badań wspieranych przez UE
CORDIS
Zawartość zarchiwizowana w dniu 2024-06-18

Adaptive Gaussian Mixture Models for Continuous Representation of Digital Medical Images

Cel

In tomographic medical imaging, images are not acquired directly but sample data of statistical nature is measured from the patient placed in the field of view. From the acquired data, a volumetric image is then reconstructed by computational methods. Since the data acquisition pattern does not take into account the underlying image representation, reconstruction artifacts are likely to occur, especially when images are represented by uniform grids of voxels. As a consequence, images contain visible noise artifacts while the resolution is often insufficient in regions that would be supported by higher statistical information. Those regions are the focus of attention for image assessment and improving image resolution locally could provide a huge benefit for better detectability. Alternatives to the classical representation of images by grids of pixels and voxels exist but image modeling is not yet a very active field of research. Fortunately, the combination of modern developments in statistical estimation methods, approximation properties of polynomial B-spline basis functions and efficient hierarchical space partitioning data structures provide both theoretical justifications and efficient computational methods for the generation of high-quality adaptive image models from limited input data. The aim of this research project is to unveil a new way to represent continuous digital images in general. The paradigm of continuous image representation is totally new for medical imaging and contrasts with established discrete image models based on histograms. With such a sparse and continuous model, the image space is not limited by sharp boundaries and the number of image elements, hence the resolution, can be adapted locally as a function of the amount of input information available for image reconstruction. The techniques developed in this project will have a strong impact since they can be transferred to many other stochastic reconstruction scenarios.

Dziedzina nauki (EuroSciVoc)

Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

FP7-PEOPLE-2009-RG
Zobacz inne projekty w ramach tego zaproszenia

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

MC-ERG - European Re-integration Grants (ERG)

Koordynator

RHEINISCH-WESTFAELISCHE TECHNISCHE HOCHSCHULE AACHEN
Wkład UE
€ 30 000,00
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

Brak danych
Moja broszura 0 0