Stat4Ci A sensitive statistical test for smooth classification images.

Slides:



Advertisements
Présentations similaires
CoRoT S.C. - 24/09/07 - S.Chaintreuil Production N0/N1/N2 Status of current software Proposed evolutions foreplanned production.
Advertisements

Introduction à l’analyse
Apprentissage semi-supervisé
Discussion sur / Discussion on Chapitre 13: Nomenclatures des branches dactivités et des produits et taille des TRE Chapter 13:Classification of Industries.
By: Reshiga and Pavitra
Cliquez et modifiez le titre Cliquez pour modifier les styles du texte du masque Deuxième niveau Troisième niveau Quatrième niveau Cinquième niveau 1 Scientific.
TMSI/IDM/SISMER Sept 2000 SISMER SISMER Systèmes dInformations Scientifiques pour la Mer F-NODC Procedure de Contrôle Qualité pour larchivage des données.
Interrogative Pronouns
Interrogative Adjectives Les Adjectifs Interrogatifs.
Ecoute bien! Test your listening skills! On each slide you will see a sound icon. Click on this to hear a French number. Then click on the word for the.
Time with minutes French II Le 30 Octobre.
Inférence statistique
Traitement des FAP et émission particulaire: bilan final
Rapport signal sur bruit
Données statistiques sur le droit doption au 31/01 8 février 2012.
Shopping for clothes - prices
Révision (p. 130, texte) Nombres (1-100).
Enquête de satisfaction des patients CIC.
Identification des personnes par l’iris
What does en mean? The object pronoun en usually means some or of them.
+ Les Dates Importantes. + Narration en françaisAttention à la forme des dates… Voici mes projets pour la semaine: mercredi le 21 mars, je vais au gymnase.
DEA instrumentation et commande
Cliquez et modifiez le titre Cliquez pour modifier les styles du texte du masque Deuxième niveau Troisième niveau Quatrième niveau Cinquième niveau 1 Cliquez.
European Program C OMENIUS Survey – Questionnaire Survey – Questionnaire Renewable energy in its regional context, ways out of the energy crisis Energie.
CORRELATION GENETIQUE ENTRE LES RESULTATS DES TESTS DE TERRAIN DES CHEVAUX SWEDISH WARMBLOOD DE 4 ANS ET LES RESULTATS EN COMPETITION DE DRESSAGE ET DE.
X Blast y pour tous. Recherche BLAST 1,2,3,4,5 1.Choisir sa séquence 2.Choisir le programme BLAST 3.Choisir la banque 4.Choisir les paramètres optionnels.
The EMPREINTE Project Juillet - octobre 2004
HIPSSA Cost model training workshop: Sessions 17-18: Using the ITU training model as a basis to develop cost estimates for member states in the HIPSSA.
Magnets fiche projet / project sheet IAFACTORY THE MAGNETIC FACTORY magnets. IAFACTORY | conseil en architecture de linformation | |
Les tris.
Classification automatique: Applications au Web Mining Yves Lechevalier 1, Doru Tanasa 2, Brigitte Trousse 2, Rossana Verde 3 1 Equipe AxIS 2 Equipe AxIS.
Numbers Starter Put the following numbers in order, starting with the smallest... Trente-deux, vingt, vingt-et-un, cinquante six, trois, quarante,
Laboratoire de Bioinformatique des Génomes et des Réseaux Université Libre de Bruxelles, Belgique Introduction Statistics.
Un principe de compression d’image
L’Analyse de Covariance
Modeles non-lineaires
ANOVA à critères multiples
Shopping for clothes - prices Match up the numbers 1)Vingt dollar 2)Quinze dollar 3)Seize dollar 4)Trente dollar 5)Douze dollar 6)Vingt-cinq dollar 7)Quarante.
LHCONE French Sites LHCONE-IN2P3/IRFU
Marketing électronique Cours 5 La personnalisation.
CLS algorithm Step 1: If all instances in C are positive, then create YES node and halt. If all instances in C are negative, create a NO node and halt.
Forme ‘générique’ des spectres AR, ARMA, MA
Thematic Alignment of Static Documents with Meeting Dialogs Dalila Mekhaldi Diva Group Department of Computer Science University of Fribourg.
Stat4Ci A sensitive statistical test for smooth classification images.
Comparatif Plus joli que Moins joli que Aussi joli que.
______________________ Quelle heure est-il?
Information Theory and Radar Waveform Design Mark R. bell September 1993 Sofia FENNI.
Sécurité MQSeries Analyse des BENCHs Guide Websphere MQSeries du 16 juin 2009 Sécurité MQSeries Analyse des BENCHs Guide Websphere MQSeries du 16 juin.
une introduction pragmatique
SOLAR ORBITER: Extreme Ultraviolet Imager 12 avril 2005 PNST, IAP.
Positions Les pré-positions. Where is it ? Use prepositions to state the position of each object in the illustration relative to the other object(s) in.
2-1 La prévision des ventes. 2-2 Leitmotiv Nomenclatures correctes et à jour précises à 98%. Gammes de fabrication précises à 95% Relevés de stocks à.
Classification pixel par pixel
On souhaite analyser les concentrations de mercure (ppm) dans les chaires de poissons carnivores des lacs de l'est de Etats- Unis. On espère trouver une.
Carte test et prototype SAM. Prototype SAM Echantillonnage Principe de l'échantillonneur – bloqueur (Sample & Hold)
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :52 1 Comparaisons multiples Ce qu’elles sont.
Université d’Ottawa - Bio Biostatistiques appliquées © Antoine Morin et Scott Findlay :47 1 Comparaison de deux échantillons Principes.
University of Ottawa - Bio 4118 – Applied Biostatistics © Antoine Morin and Scott Findlay 24/07/2015 2:29 PM Bootstrap et permutations.
Warm up We use different means of transportation to go places (including going to school). How do you compare the city of Raleigh to other big cities in.
Marketing Électronique La gestion et l ’utilisation de l ’information sur Internet Jacques Nantel Mars 2004.
Calcul de puissance en IRMf Réunion 2 CNF 2015/2016.
La VBM, aspects pratiques. Soft :FSL/ Free/ FSL –Free : segmente, notion de mesure? –FSL : pas de substance blanche disponible –SPM 2 / 5.
G. Bosson, J-L. Bouly, O. Bourrion, N. Ponchant, J-P. Richer, J-P. Scordilis.
MATCHSLIDE : INT contribution Patrick HORAIN Hichem ATTI Waheb LARBI Presented as : "TELESLIDE: Technical aspects ", Jacques Klossa & Patrick Horain, Joint.
The consequences of the.
Writing 2-3 sentence descriptions for each of the four drawings
Forms of Questioning.
Transcription de la présentation:

Stat4Ci A sensitive statistical test for smooth classification images

Z=1.64, p=.05 Z=2.35, p=.01 Test Z

Pour des images ?

Gaussian Random field

Seuil non corrigé

Bonferroni Correction

Exemples Bonf t = Bonf t = RFT t = 4.06

Pixel test

Résumé Seulement 2 paramètres –FWHM = taille du filtre de lissage –p = seuil de confiance Comment choisir FWHM ? –Pour détecter un signal donné, le meilleur filtre est un filtre de taille comparable Problèmes –Si le signal est diffus, le pic est faible Solution –Prendre en compte la taille et le Z score. Cluster test

t z = 2.5 k = 350 pixels

Pixel test t z = 3.30

La toolbox p=.05; tC=2.7;% threshold for 2D image (other test) FWHM=HalfMax(sigma_b); [Sci,h] = SmoothCi(Ci, sigma_b); ZSCi = ZTransCi(SCi, mean(vecCi(:)), std(vecCi(:))); [volumes,N]=CiVol(sum(mask(:)),D) [tP,k]=stat_threshold(volumes,N,FWHM,Inf,p,tC,p); tCi = DisplayCi(ZSCi,tC,k,tP,FWHM,p,RFTtest,background);

ZTransCi ZSCi = ZTransCi(SCi, mean(vecCi(:)), std(vecCi(:))); In ZtransCi(Ci1, n1, Ci2, n2, sigmaNoise, smoothFilter), –Ci1 = sum of white noise fields that led to a type 1 response (e.g., correct) –n1 = number of type 1 response –Ci2 = sum of white noise fields that led to a type 2 response (e.g., incorrect) –n2 = number of type 2 response –sigmaNoise = standard deviation of white noise –smoothFilter = Gaussian filter used to smooth the classification image

stat_threshold [tP,k]=stat_threshold(volumes,N,FWHM,Inf,p,tC,p); –t pixel –k taille minimun –volumes, num_voxels, FWHM –df : Inf –p_val_peak,... –cluster_threshold, –p_val_extent

DisplayCi tCi = DisplayCi(ZSCi,tC,k,tP,FWHM,p,RFTtest,background); tsizereselsZmaxxy C[2.70] [2.70] P3.30- p-value = 0.05 FWHM = 47.1 Minimum cluster size = 861.7

tsize resels Zmax x y C[2.70] [2.70] P3.30- p-value = [0.05] FWHM = [47.1] Minimum cluster size = t size resels Zmax x y C[2.70] P3.30- p-value = [0.05] FWHM = [47.1] Minimum cluster size = 861.7

Visage à lendroit Visage à lenvers