Texturbasierte Segmentierungsansätze für medizinische Bilder

In den letzten Jahren hat die Atomisierung der medizinischen Diagnose exponentiell zugenommen. Einer der wichtigsten und ersten Schritte der Bildanalyse ist die Segmentierung. Die Segmentierungsergebnisse spielen eine entscheidende und wichtige Rolle in der Bildanalyse, beispielsweise bei der Darstellung, der Messung von Merkmalen, der Beschreibung und sogar bei der Klassifizierung und Interpretation. Die vorliegende Studie schlägt verschiedene innovative Segmentierungsmethoden für medizinische Bilder vor. Die vorgeschlagenen Segmentierungsmethoden basieren auf Konzepten, die aus Kombinationen von Morphologie, diskreter Wavelet-Transformation (DWT), stationärer Wavelet-Transformation (SWT), Kantenfiltern, Schwellenwertbildung und texturbasierten Methoden abgeleitet wurden. Die Vorteile morphologischer Methoden sind Rauschfilterung, Skelettierung, Verdickung, Objektmarkierung, Formvereinfachung, Ausdünnung, konvexe Hülle, Segmentierung von Objekten vom Hintergrund, quantitative Beschreibung von Objekten (Projektionen, Fläche, Umfang). In diesem Buch werden mehrere Segmentierungsmethoden für Tuberkulose (TB)-Bilder diskutiert. TB ist eine chronische bakterielle Infektion, die weltweit mehr Todesfälle verursacht als jede andere Infektionskrankheit.

Autorentext

Dr. Kezia Joseph.M erhielt ihren Ph.D. (ECE) von der JNTUK-Universität, ihren M.Tech vom IIT Madras und ihren B.Tech (ECE) vom JNTU College of Engineering in Kakinada. Sie verfügt über fast 13 Jahre Erfahrung in Lehre, Forschung und Industrie. Derzeit arbeitet sie als Professorin und Leiterin der Abteilung für E.C.E. am Stanley College of Engineering and Technology für Frauen.