Reference : Biomedical Imaging Modality Classification Using Bags of Visual and Textual Terms with E...

	Document type :	Scientific journals : Article
	Discipline(s) :	Engineering, computing & technology : Computer science
	To cite this reference:	http://hdl.handle.net/2268/82992

Title :	Biomedical Imaging Modality Classification Using Bags of Visual and Textual Terms with Extremely Randomized Trees: Report of ImageCLEF 2010 Experiments
Language :	English
Author, co-author :	Marée, Raphaël [Université de Liège - ULg > > GIGA-Management : Plateforme bioinformatique >]
	Stern, Olivier [Université de Liège - ULg > Dép. d'électric., électron. et informat. (Inst.Montefiore) > Systèmes et modélisation >]
	Geurts, Pierre [Université de Liège - ULg > Dép. d'électric., électron. et informat. (Inst.Montefiore) > Systèmes et modélisation >]
Publication date :	2010
Journal title :	CLEF Notebook Papers/LABs/Workshops
Audience :	International
ISSN :	978-88-904810-0-0
City :	Padua
Country :	Italy
Abstract :	[en] In this paper we describe our experiments related to the ImageCLEF 2010 medical modality classification task using extremely randomized trees. Our best run combines bags of textual and visual features. It yields 90% recognition rate and ranks 6th among 45 runs (ranging from 94% downto 12%).
Research units :	Giga-Systems Biology and Chemical Biology
Funders :	Fonds Européen de Développement Régional - FEDER ; Fonds de la Recherche Scientifique (Communauté française de Belgique) - F.R.S.-FNRS
Permalink :	http://hdl.handle.net/2268/82992

	File(s) associated to this reference
	Fulltext file(s): File Commentary Version Size Access Open access maree-iclef2010.pdf Author preprint 1.88 MB View/Open

All documents in ORBi are protected by a user license.

 

© ULg Library Network |  Feedback |  ORBi legal notices

Dspace v1.5