Intégration stochastique de méthodes de segmentation d’images
Loading...
Date
2022
Journal Title
Journal ISSN
Volume Title
Publisher
Faculté des Sciences
Abstract
La segmentation en imagerie médicale est nécessaire pour l'interprétation des radiographies et pour l'établissement de diagnostics précis. Cependant, et à cause des déformations qui entachent les images, les résultats de segmentation sont souvent insatisfaisants pour le praticien en médecine, ce qui laisse la voie ouverte à la proposition de nouvelles méthodes de segmentation, de plus en plus performantes.
Dans ce travail, nous avons proposé un Framework pour la combinaison de méthodes de segmentation, et nous l'avons appliqué à deux méthodes, à savoir : la segmentation par classification bayesienne, et la segmentation par clustering k-means. L'intégration des deux méthodes, permet la correction des étiquettes des voxels en fonction des probabilités calculées selon les deux méthodes impliquées. Le Framework est applicable à toutes les méthodes à conditions que ces dernières puissent définir les probabilités d'étiquetage des voxels, en fonction des régions qui peuvent existées dans les images à segmenter.