Abstrato

SEGMENTAÇÃO INTELIGENTE DE TECIDO DE TUMOR CEREBRAL A PARTIR DE IMAGEM DE RESSONÂNCIA MAGNÉTICA (RM) UTILIZANDO ALGORITMOS META HEURÍSTICOS

K.Selvanayaki, Dr.P.Kalugasalam

A Segmentação é uma técnica fundamental utilizada no processamento de imagens para extrair regiões suspeitas de uma determinada imagem. Neste artigo são propostos métodos meta-heurísticos como a otimização de colónias de formigas (ACO), algoritmo genético (GA) e otimização por enxame de partículas (PSO) para segmentação de tumores cerebrais em imagens de ressonância magnética 3D. Aqui este artigo está dividido em duas etapas. Na primeira etapa, o pré-processamento e o melhoramento são realizados utilizando algoritmos de rastreio. São utilizados para pré-processamento para suprimir artefactos, remover porções indesejadas do crânio da ressonância magnética do cérebro e estas imagens são melhoradas utilizando filtro de mediana ponderada. A técnica melhorada é avaliada pela relação sinal-ruído de pico (PSNR) e pela relação sinal-ruído média (ASNR) para os filtros. Na segunda etapa da segmentação inteligente serão implementados três algoritmos para identificação e segmentação de regiões suspeitas utilizando ACO, GA e PSO, e será estudado o seu desempenho. Os algoritmos propostos são testados com ressonância magnética de pacientes reais. Os resultados obtidos com uma ressonância magnética cerebral indicam que este método pode melhorar a sensibilidade e fiabilidade dos sistemas para deteção automatizada de tumores cerebrais. Os algoritmos são testados em 21 pares de ressonância magnética da base de dados cerebrais de pacientes reais e avaliam o desempenho do método proposto.