Abstrait

UNE MÉTHODE COMBINÉE UTILISANT LE CLUSTERING FLOUE ET LE MODÈLE MGGVF SNAKE POUR LA SEGMENTATION DES TUMEURS CÉRÉBRALES SUR LES IMAGES IRM

A. Rajendran, R. Dhanasekaran

Les contours actifs ou les serpents et les méthodes basées sur la région ne sont pas utilisés séparément pour une segmentation efficace de la région tumorale sur les images IRM cérébrales. Les contours actifs ou les serpents posent des problèmes d'initialisation, une mauvaise convergence vers les concavités limites et des difficultés à forcer un serpent dans des indentations limites longues et fines. Les méthodes basées sur la région n'incluent pas les informations sur la forme et les limites. Dans cet article, nous combinons la méthode de clustering flou basée sur la région appelée Enhanced Possibilistic Fuzzy C-Means (EPFCM) et le modèle de serpent à flux vectoriel de gradient généralisé modifié (MGGVF) ayant une diffusion dans la direction normale pour segmenter efficacement la région tumorale sur les images IRM. La méthode EPFCM est utilisée pour la segmentation initiale de la tumeur, puis le résultat de celle-ci est utilisé pour fournir le contour initial du modèle de serpent MGGVF. Ensuite, il est utilisé pour déterminer le contour final pour la limite exacte de la tumeur. Les résultats expérimentaux sur les images IRM tumorales révèlent que notre méthode est plus robuste et plus précise pour la segmentation des tumeurs cérébrales.