Técnicas de computação natural para segmentação de imagens médicas


Autoria(s): Souza, Jackson Gomes de
Contribuinte(s)

Costa, José Alfredo Ferreira

CPF:71038892104

http://lattes.cnpq.br/7022849614714429

CPF:53820126449

http://lattes.cnpq.br/9745845064013172

Martins, Allan de Medeiros

CPF:01979076448

http://lattes.cnpq.br/4402694969508077

Carvalho, Bruno Motta de

CPF:79228860472

http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4791070J6

Data(s)

17/12/2014

13/07/2009

17/12/2014

28/09/2009

Resumo

Image segmentation is one of the image processing problems that deserves special attention from the scientific community. This work studies unsupervised methods to clustering and pattern recognition applicable to medical image segmentation. Natural Computing based methods have shown very attractive in such tasks and are studied here as a way to verify it's applicability in medical image segmentation. This work treats to implement the following methods: GKA (Genetic K-means Algorithm), GFCMA (Genetic FCM Algorithm), PSOKA (PSO and K-means based Clustering Algorithm) and PSOFCM (PSO and FCM based Clustering Algorithm). Besides, as a way to evaluate the results given by the algorithms, clustering validity indexes are used as quantitative measure. Visual and qualitative evaluations are realized also, mainly using data given by the BrainWeb brain simulator as ground truth

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

Formato

application/pdf

Identificador

SOUZA, Jackson Gomes de. Técnicas de computação natural para segmentação de imagens médicas. 2009. 105 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2009.

http://repositorio.ufrn.br:8080/jspui/handle/123456789/15282

Idioma(s)

por

Publicador

Universidade Federal do Rio Grande do Norte

BR

UFRN

Programa de Pós-Graduação em Engenharia Elétrica

Automação e Sistemas; Engenharia de Computação; Telecomunicações

Direitos

Acesso Aberto

Palavras-Chave #Processamento de imagens digitais #segmentação de imagens médicas #otimização por enxame de partículas #computação natural #algoritmos genéticos #k-means #fuzzy c-means #Digital image processing #medical image segmentation #particle swarm optimization #natural computing #genetic algorithms #k-means #fuzzy c-means #CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Tipo

Dissertação