A novel spatiotemporal tool for the automatic classification of fMRI noise based on Independent Component Analysis

Author(s):  
E. Tassi ◽  
E. Maggioni ◽  
S. Cerutti ◽  
P. Brambilla ◽  
A.M. Bianchi
2015 ◽  
Vol 33 (1) ◽  
pp. 119
Author(s):  
Alexandre Cruz Sanchetta ◽  
Emilson Pereira Leite ◽  
Bruno César Zanardo Honório ◽  
Alexandre Campane Vidal

ABSTRACT. The problem of automatic classification of facies was addressed using the Fast Independent Component Analysis (FastICA) of a data set of geophysical well logs of the Namorado Field, Campos Basin, Brazil, followed by a k-nearest neighbor (k-NN) classification. The goal of an automatic classification of facies is to produce spatial models of facies that assist the geological characterization of petroleum reservoirs. The FastICA technique provides a new data set that has the most stable and less Gaussian distribution possible. The k-NN classifies this new data set according to its characteristics. The previous application of FastICA improves the accuracy of the k-NN automatic classification and it also provides better results in comparison with the automatic classification by means of the Principal Component Analysis (PCA).Keywords: automatic classification, geophysical well logs, Independent Component Analysis.RESUMO. O problema da classificação automática de fácies foi abordado através da Análise de Componentes Independentes Rápida (FastICA – Fast Independent Component Analysis ) de um conjunto de dados de perfis geofísicos de poços do Campo de Namorado, Bacia de Campos, seguida de classificação por k vizinhos mais próximos (k-NN – k-nearest neighbor ). A classificação automática de fácies é utilizada para gerar modelos de distribuição espacial de fácies que auxiliam a caracterização geológica dos reservatórios de petróleo. A técnica FastICA encontra um novo conjunto de dados com distribuição mais estável e menos gaussiana possível e o k-NN classifica esse novo conjunto de acordo com suas características. A aplicação prévia da FastICA melhora a porcentagem de acerto da classificação automática pelo k-NN, fornecendo melhores resultados quando comparada com a classificação automática por Análise de Componentes Principais (PCA – Principal Component Analysis ).Palavras-chave: classificação automática, perfis geofísicos de poços, Análise de Componentes Independentes.


2021 ◽  
Author(s):  
Victor Nozais ◽  
Philippe Boutinaud ◽  
Violaine Verrecchia ◽  
Marie-Fateye Gueye ◽  
Pierre-Yves Hervé ◽  
...  

Author(s):  
Spandana Paramkusham ◽  
Dr. Kunda M.M. Rao ◽  
Dr. BVVSN Prabhakar Rao

In India, the average age of developing a breast cancer has undergone a significant shift over last few decades. Most prominent features that indicate breast cancer are microcalcifications. Microcalcifications are tiny calcium deposits deposited on skin and non-palpable. Automatic analysis of microcalcification helps specialist in having more precise decision. The paper presents an approach that involves classification of microcalcifications into benign/malignant in mammograms. Texture features such LBP and statistical features are extracted from ROIs with microcalcification and independent component analysis is applied to reduce the feature set. These feature set is fed to artificial neural networks to classify the ROIs into malignant and benign calcifications.


Sign in / Sign up

Export Citation Format

Share Document