DÉTECTION DU CANCER DU REIN À L'AIDE DE TECHNIQUES DE TRAITEMENT D'IMAGES

Les taux de guérison du cancer du rein varient en fonction du stade et du grade ; il est donc essentiel de disposer de procédures de diagnostic précises pour une détection et un diagnostic précoces. Certaines difficultés liées à la segmentation manuelle ont nécessité l'utilisation de modèles d'apprentissage profond pour aider les cliniciens à reconnaître et à segmenter efficacement le cancer. Le réseau neuronal convolutionnel probabiliste (PCNN), en particulier les réseaux neuronaux convolutionnels, a donné d'excellents résultats dans la classification et la segmentation des images. Dans ce projet, le filtrage des images IRM des reins est effectué à l'aide de l'algorithme Bilateral Anisotropic Diffusion Filter. La technique de prétraitement proposée permet d'obtenir un rapport signal/bruit de crête (PSNR) élevé et une erreur quadratique moyenne (MSE) faible. L'amélioration des images IRM des reins est réalisée à l'aide de l'algorithme EP-CLAHE (Edge Preservation-Contrast Limited Adaptive Histogram Equalization). L'algorithme EP-CLAHE est utilisé pour améliorer le contraste et la luminosité. La segmentation des images IRM de reins est effectuée à l'aide de l'algorithme IFFCMC (Improved Fast Fuzzy C Means Clustering). L'algorithme IFFCMC est utilisé pour segmenter les pixels du cancer du rein et supprimer les autres pixels de l'image IRM du rein.

Autorentext

Je m'appelle R.Subraja et je travaille en tant que professeur adjoint au département d'ingénierie électronique et de communication du Sathyabama Institute of Science and Technology. J'ai obtenu mon diplôme de B.E. en ECE et de M.E. en électronique appliquée à l'université de Sathyabama, à Chennai. Mes domaines d'intérêt comprennent le traitement de l'image et la reconnaissance des formes.