Fernana, ChaymaBoussadia , RoumaissaMazouzi, SmaineLayouni , Zoubir2025-04-142025-04-142022http://dspace.univ-skikda.dz:4000/handle/123456789/4553La 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.frMémoire de Master