La tumeur cérébrale est l'une des maladies les plus dangereuses pour la vie et sa détection doit donc être rapide et précise. Ceci peut être réalisé par l'exécution de techniques automatisées de détection de tumeurs sur des images médicales. De nombreuses techniques automatisées utilisées pour la segmentation des images ont été proposées. Nous proposons ici une technique automatisée et efficace de détection des tumeurs cérébrales à partir d'images de tomographie par émission de positrons (TEP). La simulation du travail proposé est faite dans MATLAB. La segmentation des tumeurs cérébrales sur des images de tomographie par émission de positons (TEP) est une tâche très difficile et importante pour le diagnostic médical. Cette thèse décrit les processus et les techniques de détection des tumeurs cérébrales à partir d'images TEP à l'aide d'un réseau neuronal artificiel (ANN), qui est la plupart du temps appliqué à l'intelligence artificielle dans les images biomédicales pour la classification et la reconnaissance. Dans le système proposé, on effectue d'abord un prétraitement et un post-traitement des images TEP pour les améliorer, puis l'image traitée est plus adaptée à l'analyse et à la classification des images de tumeurs. Ici, la détection des bords de Sobel est utilisée pour segmenter les images TEP. Dans la deuxième étape, l'analyse des caractéristiques statistiques est extraite des images TEP.
La tumeur cérébrale est l'une des maladies les plus dangereuses pour la vie et sa détection doit donc être rapide et précise. Ceci peut être réalisé par l'exécution de techniques automatisées de détection de tumeurs sur des images médicales. De nombreuses techniques automatisées utilisées pour la segmentation des images ont été proposées. Nous proposons ici une technique automatisée et efficace de détection des tumeurs cérébrales à partir d'images de tomographie par émission de positrons (TEP). La simulation du travail proposé est faite dans MATLAB. La segmentation des tumeurs cérébrales sur des images de tomographie par émission de positons (TEP) est une tâche très difficile et importante pour le diagnostic médical. Cette thèse décrit les processus et les techniques de détection des tumeurs cérébrales à partir d'images TEP à l'aide d'un réseau neuronal artificiel (ANN), qui est la plupart du temps appliqué à l'intelligence artificielle dans les images biomédicales pour la classification et la reconnaissance. Dans le système proposé, on effectue d'abord un prétraitement et un post-traitement des images TEP pour les améliorer, puis l'image traitée est plus adaptée à l'analyse et à la classification des images de tumeurs. Ici, la détection des bords de Sobel est utilisée pour segmenter les images TEP. Dans la deuxième étape, l'analyse des caractéristiques statistiques est extraite des images TEP.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
La tumeur cérébrale est l'une des maladies les plus dangereuses pour la vie et sa détection doit donc être rapide et précise. Ceci peut être réalisé par l'exécution de techniques automatisées de détection de tumeurs sur des images médicales. De nombreuses techniques automatisées utilisées pour la segmentation des images ont été proposées. Nous proposons ici une technique automatisée et efficace de détection des tumeurs cérébrales à partir d'images de tomographie par émission de positrons (TEP). La simulation du travail proposé est faite dans MATLAB. La segmentation des tumeurs cérébrales sur des images de tomographie par émission de positons (TEP) est une tâche très difficile et importante pour le diagnostic médical. Cette thèse décrit les processus et les techniques de détection des tumeurs cérébrales à partir d'images TEP à l'aide d'un réseau neuronal artificiel (ANN), qui est la plupart du temps appliqué à l'intelligence artificielle dans les images biomédicales pour la classification et la reconnaissance. Dans le système proposé, on effectue d'abord un prétraitement et un post-traitement des images TEP pour les améliorer, puis l'image traitée est plus adaptée à l'analyse et à la classification des images de tumeurs. Ici, la détection des bords de Sobel est utilisée pour segmenter les images TEP. Dans la deuxième étape, l'analyse des caractéristiques statistiques est extraite des images TEP.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.