SEGMENTATION des images IRM par fusion de donnée et la méthode d'Estimation et Maximisation
Loading...
Date
2015-06-10
Journal Title
Journal ISSN
Volume Title
Publisher
University of M'sila
Abstract
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)
Description
Keywords
Fusion de donnée, segmentation, IRM, EM, FCM.