<br>CSEE Colloquium at UMBC<br><div class="gmail_quote"><div class="gmail_quote">---------- Forwarded message ----------<br>From: <b class="gmail_sendername">Tim Finin</b> <span dir="ltr"><<a href="mailto:finin@cs.umbc.edu" target="_blank">finin@cs.umbc.edu</a>></span><br>
Date: Tue, Sep 25, 2012 at 9:04 PM<br>
Subject: [Csee-faculty-tt] [CSEE-colloq] talk: Volume Calculation of Magnetic Resonance Tissues, 1pm Fri 10/5, UMBC<br>To: <a href="mailto:csee-colloquium-out@cs.umbc.edu" target="_blank">csee-colloquium-out@cs.umbc.edu</a><br>
<br><br>                        -- CSEE Colloquium --<br>

<br>
               Volume Calculation of Magnetic Resonance<br>
                   Tissues Via Image Classification<br>
<br>
                             Shih-Yu Chen<br>
         Remote Sensing Signal & Image Processing Laboratory<br>
           UMBC Computer Science and Electrical Engineering<br>
<br>
                1:00pm Friday 5 October 2012, ITE 227<br>
<br>
Magnetic resonance (MR) tissue volume calculation is very important in<br>
medical diagnosis. A general approach is to first perform image<br>
classification of desired tissue substances slice by slice and then<br>
calculate tissue volumes via classified data samples in each slice.<br>
Two issues are generally involved; (1) selection of training samples<br>
which are slice-dependent, i.e., each slice requires its own specific<br>
training samples and (2) classification which must be carried out<br>
slice by slice individually because training samples obtained from one<br>
slice are not necessarily applicable to another. We develop a volume<br>
sphering analysis (VSA) approach which can process all MR image slices<br>
as one single image cube to calculate tissue volumes via image<br>
classification using only one set of training samples that is obtained<br>
from a single image slice. The proposed VSA using one set of training<br>
samples not only performs comparably to that using training samples<br>
specifically selected for individual image slices, but also saves<br>
significant amounts of selecting training samples and computing time.<br>
<br>
Shih-Yu Chen received the BS degree in Electrical Engineering from<br>
Da-Yeh University in 2005, and the MS EE degree from National Chung<br>
Hsing University in 2010. He is currently a PhD (EE) student at<br>
UMBC. Mr. Chen's research interest includes medical image, remote<br>
sensing image and vital sign signal processing.<br>
<br>
    -- more information and directions: <a href="http://bit.ly/UMBCtalks" target="_blank">http://bit.ly/UMBCtalks</a> --<br>
--<br>
For info and options, see <a href="http://lists.cs.umbc.edu/mailman/listinfo/csee-colloquium-out" target="_blank">http://lists.cs.umbc.edu/<u></u>mailman/listinfo/csee-<u></u>colloquium-out</a><br>
______________________________<u></u>_________________<br>
Csee-faculty-tt mailing list<br>
<a href="mailto:Csee-faculty-tt@cs.umbc.edu" target="_blank">Csee-faculty-tt@cs.umbc.edu</a><br>
<a href="http://lists.cs.umbc.edu/mailman/listinfo/csee-faculty-tt" target="_blank">http://lists.cs.umbc.edu/<u></u>mailman/listinfo/csee-faculty-<u></u>tt</a><br>
</div><br>
</div><br>