Browsing by Author "BOULAARES, Amina"

Now showing 1 - 2 of 2
  • Thumbnail Image
    ItemOpen Access
    SEGMENTATION des images IRM par fusion de donnée et la méthode d'Estimation et Maximisation
    (University of M'sila, 2015-06-10) BOULAARES, Amina; Rapporteur: ASSAS, Ouarda
    Avec le développement des techniques d'acquisition d'images, une grande masse de données de differentes sources d'image devient disponible. La fusion multimodale d'images cherche à combiner Tinformation de différentes images pour obtenir plus d'inférences que peuvent ême dérivées d'une modalité seule. L'objectif principal est d'améliorer la segmentation des images IRM cérébrale par la fusion de données. Le processus de fusion est appliqué de trois manières: la funion des modalités (T1, T2 et DP), la fusion d'approches et la fusion by bride. Pour la première on a utilisé la méthode EM et les approches EM at FCM pour la deuxième. La fusion des données d'une façon générale soit au niveau modalités con niven approche a amélioré la segmentation des images cérébrales. La demière stratégie de fusion adoptée (hybride) donne la meilleure segmentation en termes de critères: la déviation standard (STD), l'entropie de l'information (IE), le coefficient de comilation (CC) et la fréquence spatiale (SF)
  • No Thumbnail Available
    ItemOpen Access
    Segmentation des images IRM par fusion de donnée et la méthode d’Estimation et Maximisation
    (FACULTE DES MATHEMATIQUES ET DE L’INFORMATIQUE - UNIVERSITE DE M’SILA, 2015) BOULAARES, Amina
    Avec le développement des techniques d’acquisition d’images, une grande masse de données de différentes sources d'image devient disponible. La fusion multimodale d'images cherche à combiner l'information de différentes images pour obtenir plus d'inférences que peuvent être dérivées d'une modalité seule. L'objectif principal est d’améliorer la segmentation des images IRM cérébrale par la fusion de données. Le processus de fusion est appliqué de trois manières : la fusion des modalités (T1, T2 et DP), la fusion d’approches et la fusion hybride. Pour la première on a utilisé la méthode EM et les approches EM et FCM pour la deuxième. La fusion des données d’une façon générale soit au niveau modalités et/ou niveau approche a amélioré la segmentation des images cérébrales. La dernière stratégie de fusion adoptée (hybride) donne la meilleure segmentation en termes de critères : la déviation standard (STD), l’entropie de l’information (IE), le coefficient de corrélation (CC) et la fréquence spatiale (SF).