Gehirnbildsegmentierung mithilfe von K-Means-Clustering bei der Farbtontransformation

Für die präzise Segmentierung von normalem und pathologischem Gewebe in den MRT-Gehirnbildern wird eine effiziente Technik vorgeschlagen. Die vorgeschlagene Segmentierungstechnik führt zunächst einen Klassifizierungsprozess durch, indem sie K-Means-Clustering verwendet. Dies schlägt einen Herpes-Simplex-Virus-Ansatz zur Klassifizierung von Magnetresonanzbildern (MRT) des Gehirns vor, der auf einem farbkonvertierten K-Means-Clustering-Segmentierungsalgorithmus basiert. Die Segmentierung von Bildern nimmt im Bereich der Bildverarbeitung eine wichtige Stellung ein. Es wird immer wichtiger, wenn es typischerweise um medizinische Bilder geht. Ein bekanntes Segmentierungsproblem innerhalb der MRT ist die Aufgabe, Voxel nach ihrem Gewebetyp zu kennzeichnen, zu dem weiße Substanz, graue Substanz, Zerebrospinalflüssigkeit und manchmal pathologische Gewebe wie Tumore usw. gehören. Diese Arbeit beschreibt eine effiziente Methode zur automatischen Segmentierung von Hirntumoren.

Autorentext

Rajnisha Verma arbeitet als Assistenzprofessorin am Swami Vivekanand Vidyalaya, Shikshak Nagar, Durg, Chhattisgarh, Indien. Sie erhielt ihren M.Sc.-Abschluss vom Kalyan College (2005) und schloss ihr M.Tech in Elektronik ab. Sie verfügt über vielfältige Forschungserfahrungen im Bereich Lasertechnologie und -systeme. Sie veröffentlichte in internationalen Fachzeitschriften.