Use este identificador para citar ou linkar para este item: https://repositorio.ufrn.br/jspui/handle/123456789/15282
Título: Técnicas de computação natural para segmentação de imagens médicas
Autor(es): Souza, Jackson Gomes de
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
Data do documento: 28-Set-2009
Editor: Universidade Federal do Rio Grande do Norte
Citação: 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.
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
metadata.dc.description.resumo: 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
URI: http://repositorio.ufrn.br:8080/jspui/handle/123456789/15282
Aparece nas coleções:PPGEE - Mestrado em Engenharia Elétrica e de Computação

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
JacksonGS.pdf1,92 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.