Browsing by Author "LAYOUNI, ZOUBIR"

Now showing 1 - 1 of 1
  • Thumbnail Image
    Item
    Combinson probabiliste de techniques de classification pour la segmentation d IRM
    (Faculté des Sciences, 2022) BERRIA, SARRA; BOULOUMA ,LOUBNA; LAYOUNI, ZOUBIR; MAZOUZI ,SMAINE
    Le traitement d'images médicales est considéré aujourd'hui une des tâches les plus importantes et les plus utilisées en exploration médicale. Cependant, la diversité des modalités d'imagerie justifient la multiplicité des techniques développées dans le domaine du traitement d’images. Dans un système de traitement d’images, l’opération la plus importante est la Segmentation d’images. A ce jour, il n’existe pas de méthode universelle de Segmentation d’images. Toute technique n’est efficace que pour un type d’images données un type d’applications données, et dans un contexte information donné. La segmentation des IRM cérébrales est une étape cruciale pour de nombreuses applications, tant dans le domaine clinique que pour les 0 a priori. L’objectif de ce mémoire consiste à proposer en premier lieu une méthodologie De génie-logicielle permettant la combinaison de méthodes de segmentation, et dont elle peut être considérée comme Framework général d'intégration de méthodes de segmentation, basées classification ou clustering La démarche proposée permet l'application simultanée de deux méthodes de classification, à savoir : la segmentation par classification bayesienne, et la segmentation par clustering FCM (Fuzzy C-Means). La combinaison des deux méthodes, a permis d'ajuster les étiquettes des voxels en fonction des probabilités calculées selon les deux méthodes utilisées. Par ailleurs, la démarche reste applicable à toutes les méthodes à conditions qu'elles puissent produire des probabilités d'étiquetage des voxels, en fonction des régions qui peuvent existées dans les images à segmenter.