Técnicas de computação natural para segmentação de imagens médicas

AUTOR(ES)

Jackson Gomes de Souza

DATA DE PUBLICAÇÃO

2009

RESUMO

Segmentação de imagens é um dos problemas de processamento de imagens que merece especial interesse da comunidade científica. Neste trabalho, são estudado métodos não-supervisionados para detecção de algomerados (clustering) e reconhecimento de padrões (pattern recognition) em segmentação de imagens médicas Métodos baseados em técnicas de computação natural têm se mostrado bastante atrativos nestas tarefas e são estudados aqui como uma forma de verificar a sua aplicabilidade em segmentação de imagens médicas. Este trabalho trata de implementa os métodos GKA (Genetic K-means Algorithm), GFCMA (Genetic FCM Algorithm) PSOKA (Algoritmo de clustering baseado em PSO (Particle Swarm Optimization) e K means) e PSOFCM (Algoritmo de clustering baseado em PSO e FCM (Fuzzy C Means)). Além disso, como forma de avaliar os resultados fornecidos pelos algoritmos são utilizados índices de validação de clustering como forma de medida quantitativa Avaliações visuais e qualitativas também são realizadas, principalmente utilizando dados do sistema BrainWeb, um gerador de imagens do cérebro, como ground truth

ASSUNTO(S)

engenharia eletrica natural computing otimização por enxame de partículas segmentação de imagens médicas algoritmos genéticos digital image processing medical image segmentation processamento de imagens digitais k-means fuzzy c-means particle swarm optimization k-means computação natural fuzzy c-means genetic algorithms

Documentos Relacionados

• Segmentação do ventrículo esquerdo utilizando técnicas de processamento de imagens
• Índice para a avaliação de segmentação de imagens.
• Uma abordagem multi-escala para segmentação de imagens
• Interface DICOM para captura e transmissão de imagens medicas
• Ferramentas para visualização de imagens médicas em hospital universitário