Segmentation d'images médicales par champs aléatoire de Markov Cachés
No Thumbnail Available
Date
2011
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Université Oum El Bouaghi
Abstract
Les praticiens sont tenus à déterminer le diagnostic de telle ou telle maladies. De ce mémoire, notre objectif est d'isoler d'éventuelles pathologies par le biais de la segmentation, là où nous sont fournis des résultats très encourageants pour améliorer l'accès et l'utilisation médicale du contenu des images; ce qui concerne qu'elle est considéré comme étant le cur de l'imagerie médicale, plusieurs méthodes ont été proposées parmi lesquelles la méthode de champs aléatoire de Markov cachés (HMRF) qu'on a implémenter par les modèles stochastiques comme le recuit simulé, car certaines d'entre elle ont donné de mauvais résultats comme l'algorithme de Gibbs.
A vrai dire, la modélisation par certaines des modèles de champs aléatoires de Markov en elles-mêmes n'est pas des modèles de segmentation mais plutôt des modèles statistiques dans lequel on peut intégrer une méthode de segmentation.
Description
Keywords
Algorithme de Gibbs, Image : imagerie médicale, Segmentation : image : Markov