Bildsegmentierungs- techniken für das Gehirn
Eine umfassende Studie über Tumore
Versandkostenfrei!
Versandfertig in 6-10 Tagen
79,90 €
inkl. MwSt.
PAYBACK Punkte
0 °P sammeln!
In Bezug auf die Erkennung von Tumoren wird eine neue Methode vorgestellt, die auf der Wavelet-Paket-Transformation basiert. Sie kann bei verschiedenen MR-Bildmodellen eingesetzt werden, die einen Tumor mit hoher Intensität zeigen. Die eine verwendet den genetischen K-Means-Algorithmus. Es wird ein strategischer Plan zur Einführung einer neuen fehlerbasierten Fitnessfunktion in den genetischen Algorithmus gemacht. Er zeigt bemerkenswerte Leistungen in Bildern, die nicht-kontinuierliche Tumorregionen enthalten. Die zweite Methode verwendet ein regionenbasiertes aktives Konturmodell. Sie passt...
In Bezug auf die Erkennung von Tumoren wird eine neue Methode vorgestellt, die auf der Wavelet-Paket-Transformation basiert. Sie kann bei verschiedenen MR-Bildmodellen eingesetzt werden, die einen Tumor mit hoher Intensität zeigen. Die eine verwendet den genetischen K-Means-Algorithmus. Es wird ein strategischer Plan zur Einführung einer neuen fehlerbasierten Fitnessfunktion in den genetischen Algorithmus gemacht. Er zeigt bemerkenswerte Leistungen in Bildern, die nicht-kontinuierliche Tumorregionen enthalten. Die zweite Methode verwendet ein regionenbasiertes aktives Konturmodell. Sie passt einen strategischen Plan an, um die Energie der Kontur zu begrenzen. Die Ergebnisse zeigen, dass die vorgeschlagene Methode einige bestehende Methoden übertrifft, die die Herausforderungen der multimodalen Hirntumorsegmentierung (MICCAI) bewältigt haben. Ein Region Adjazenz Graph (RAG) und eine neuartige Technik der Veredelung, die den Veredelungsprozess im Gartenbau nachahmt, sowie statistische Regeln werden zur Segmentierung der Tumorkomponenten verwendet.
Andere Kunden interessierten sich für
