Segmentation des images IRM par fusion de donnée et la méthode d’Estimation et Maximisation

dc.contributor.authorBOULAARES, Amina
dc.date.accessioned2018-02-11T09:47:01Z
dc.date.available2018-02-11T09:47:01Z
dc.date.issued2015
dc.description.abstractAvec 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).en_US
dc.identifier.urihttp://dspace.univ-msila.dz:8080//xmlui/handle/123456789/2663
dc.language.isofren_US
dc.publisherFACULTE DES MATHEMATIQUES ET DE L’INFORMATIQUE - UNIVERSITE DE M’SILAen_US
dc.subjectFusion de donnée, segmentation, IRM, EM, FCM.en_US
dc.titleSegmentation des images IRM par fusion de donnée et la méthode d’Estimation et Maximisationen_US
dc.typeThesisen_US

Files

Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
BOULAARES Amina.rar
Size:
5.26 MB
Format:
Unknown data format
Description:
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:

Collections