K. Selvanayaki, Dr P. Kalugasalam
La segmentation est une technique fondamentale utilisée dans le traitement d'images pour extraire les régions suspectes de l'image donnée. Dans cet article, nous proposons des méthodes méta-heuristiques telles que l'optimisation des colonies de fourmis (ACO), l'algorithme génétique (GA) et l'optimisation des essaims de particules (PSO) pour segmenter les tumeurs cérébrales dans les images de résonance magnétique 3D. Ici, cet article est divisé en deux étapes. Dans la première étape, le prétraitement et l'amélioration sont effectués à l'aide d'algorithmes de suivi. Ceux-ci sont utilisés pour le prétraitement afin de supprimer les artefacts, de supprimer les parties indésirables du crâne de l'IRM cérébrale et ces images sont améliorées à l'aide d'un filtre médian pondéré. La technique améliorée est évaluée par le rapport signal/bruit de pointe (PSNR) et le rapport signal/bruit moyen (ASNR) pour les filtres. Dans la deuxième étape de la segmentation intelligente, trois algorithmes seront mis en œuvre pour identifier et segmenter les régions suspectes à l'aide de l'ACO, de l'GA et du PSO, et leurs performances sont étudiées. Les algorithmes proposés sont testés avec des IRM de patients réels. Les résultats obtenus avec une IRM cérébrale indiquent que cette méthode peut améliorer la sensibilité et la fiabilité des systèmes de détection automatisée des tumeurs cérébrales. Les algorithmes sont testés sur 21 paires d'IRM provenant de la base de données cérébrale de patients réels et évaluent les performances de la méthode proposée.
English 
Spanish 
Chinese 
Russian 
German 
Japanese 
Portuguese 
Hindi