Zdira, MeriemHouari, Kamel2018-12-042018-12-042011http://hdl.handle.net/123456789/6771Les 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.frAlgorithme de GibbsImage : imagerie médicaleSegmentation : image : MarkovOther