umu.sePublikationer
Ändra sökning
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf
An image analysis method for prostate tissue classification: preliminary validation with resonance sensor data
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för tillämpad fysik och elektronik. Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Centrum för medicinsk teknik och fysik (CMTF).
Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Institutionen för tillämpad fysik och elektronik. Umeå universitet, Teknisk-naturvetenskapliga fakulteten, Centrum för medicinsk teknik och fysik (CMTF).
Umeå universitet, Medicinska fakulteten, Institutionen för medicinsk biovetenskap, Patologi.
Umeå universitet, Medicinska fakulteten, Institutionen för kirurgisk och perioperativ vetenskap, Urologi och andrologi.
Visa övriga samt affilieringar
2009 (Engelska)Ingår i: Journal of Medical Engineering & Technology, ISSN 0309-1902, E-ISSN 1464-522X, Vol. 33, nr 1, s. 18-24Artikel i tidskrift (Refereegranskat) Published
Abstract [en]

Resonance sensor systems have been shown to be able to distinguish between cancerous and normal prostate tissue, in vitro. The aim of this study was to improve the accuracy of the tissue determination, to simplify the tissue classification process with computerized morphometrical analysis, to decrease the risk of human errors, and to reduce the processing time. In this article we present our newly developed computerized classification method based on image analysis. In relation to earlier resonance sensor studies we increased the number of normal prostate tissue classes into stroma, epithelial tissue, lumen and stones. The linearity between the impression depth and tissue classes was calculated using multiple linear regression (R(2) = 0.68, n = 109, p < 0.001) and partial least squares (R(2) = 0.55, n = 109, p < 0.001). Thus it can be concluded that there existed a linear relationship between the impression depth and the tissue classes. The new image analysis method was easy to handle and decreased the classification time by 80%.

Ort, förlag, år, upplaga, sidor
Informa healthcare , 2009. Vol. 33, nr 1, s. 18-24
Nyckelord [en]
Image analysis, prostate tissue, classification, resonance sensor
Nationell ämneskategori
Medicinsk laboratorie- och mätteknik
Forskningsämne
fysik
Identifikatorer
URN: urn:nbn:se:umu:diva-18939DOI: 10.1080/03091900801945200PubMedID: 19116850OAI: oai:DiVA.org:umu-18939DiVA, id: diva2:200862
Tillgänglig från: 2009-05-15 Skapad: 2009-02-28 Senast uppdaterad: 2018-06-09Bibliografiskt granskad

Open Access i DiVA

Fulltext saknas i DiVA

Övriga länkar

Förlagets fulltextPubMed

Personposter BETA

Andersson, Britt MBergh, AndersLjungberg, Börje

Sök vidare i DiVA

Av författaren/redaktören
Andersson, Britt MBergh, AndersLjungberg, Börje
Av organisationen
Institutionen för tillämpad fysik och elektronikCentrum för medicinsk teknik och fysik (CMTF)PatologiUrologi och andrologi
I samma tidskrift
Journal of Medical Engineering & Technology
Medicinsk laboratorie- och mätteknik

Sök vidare utanför DiVA

GoogleGoogle Scholar

doi
pubmed
urn-nbn

Altmetricpoäng

doi
pubmed
urn-nbn
Totalt: 234 träffar
RefereraExporteraLänk till posten
Permanent länk

Direktlänk
Referera
Referensformat
  • apa
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Annat format
Fler format
Språk
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Annat språk
Fler språk
Utmatningsformat
  • html
  • text
  • asciidoc
  • rtf