Techniques de segmentation des images cérébrales

En ce qui concerne la détection de la localisation des tumeurs, une nouvelle méthode est présentée, basée sur la transformée en paquets d'ondelettes. Elle peut être employée dans plusieurs modèles d'images RM qui montrent la tumeur en hyperintensité. En ce qui concerne l'extraction de la tumeur, deux méthodes stratégiques sont proposées. L'une utilise l'algorithme génétique K-Means. Un plan stratégique est mis en place pour introduire une nouvelle fonction d'aptitude basée sur l'erreur dans l'algorithme génétique. Il donne des résultats remarquables dans les images qui contiennent des régions tumorales non continues. La deuxième méthode utilise un modèle de contour actif basé sur la région. Elle adapte un plan stratégique pour restreindre l'énergie du contour. Les résultats montrent que la méthode proposée est plus performante que certaines méthodes existantes qui ont relevé les défis de la segmentation multimodale des tumeurs cérébrales (MICCAI). Un graphe d'adjacence de région (RAG) et une nouvelle technique de greffage qui imite le processus de greffage dans l'horticulture et les règles statistiques utilisées pour segmenter les composants de la tumeur.

Autorentext

Dr. S. Karthigai Selvi, Fakultät, und Dr. T. Kalaiselvi, Assistenzprofessor, arbeiten am Gadhigram Rural Institute - Deemed to be University. Sie arbeiten seit 10 Jahren im Bereich der medizinischen Bildverarbeitung. Ihre vielversprechenden Arbeiten wurden in renommierten Fachzeitschriften veröffentlicht.