Técnicas de computação natural para segmentação de imagens médicas

Detalhes bibliográficos
Ano de defesa: 2009
Autor(a) principal: Souza, Jackson Gomes de
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal do Rio Grande do Norte
BR
UFRN
Programa de Pós-Graduação em Engenharia Elétrica
Automação e Sistemas; Engenharia de Computação; Telecomunicações
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Processamento de imagens digitais
segmentação de imagens médicas
otimização por enxame de partículas
computação natural
algoritmos genéticos
k-means
fuzzy c-means
Digital image processing
medical image segmentation
particle swarm optimization
natural computing
genetic algorithms
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/15282
Resumo: Image segmentation is one of the image processing problems that deserves special attention from the scientific community. This work studies unsupervised methods to clustering and pattern recognition applicable to medical image segmentation. Natural Computing based methods have shown very attractive in such tasks and are studied here as a way to verify it's applicability in medical image segmentation. This work treats to implement the following methods: GKA (Genetic K-means Algorithm), GFCMA (Genetic FCM Algorithm), PSOKA (PSO and K-means based Clustering Algorithm) and PSOFCM (PSO and FCM based Clustering Algorithm). Besides, as a way to evaluate the results given by the algorithms, clustering validity indexes are used as quantitative measure. Visual and qualitative evaluations are realized also, mainly using data given by the BrainWeb brain simulator as ground truth
id UFRN_e87f859c625ea13d760981cb0cf88ccb
oai_identifier_str oai:repositorio.ufrn.br:123456789/15282
network_acronym_str UFRN
network_name_str Repositório Institucional da UFRN
repository_id_str
spelling Técnicas de computação natural para segmentação de imagens médicasProcessamento de imagens digitaissegmentação de imagens médicasotimização por enxame de partículascomputação naturalalgoritmos genéticosk-meansfuzzy c-meansDigital image processingmedical image segmentationparticle swarm optimizationnatural computinggenetic algorithmsk-meansfuzzy c-meansCNPQ::ENGENHARIAS::ENGENHARIA ELETRICAImage segmentation is one of the image processing problems that deserves special attention from the scientific community. This work studies unsupervised methods to clustering and pattern recognition applicable to medical image segmentation. Natural Computing based methods have shown very attractive in such tasks and are studied here as a way to verify it's applicability in medical image segmentation. This work treats to implement the following methods: GKA (Genetic K-means Algorithm), GFCMA (Genetic FCM Algorithm), PSOKA (PSO and K-means based Clustering Algorithm) and PSOFCM (PSO and FCM based Clustering Algorithm). Besides, as a way to evaluate the results given by the algorithms, clustering validity indexes are used as quantitative measure. Visual and qualitative evaluations are realized also, mainly using data given by the BrainWeb brain simulator as ground truthSegmentação de imagens é um dos problemas de processamento de imagens que merece especial interesse da comunidade científica. Neste trabalho, são estudado métodos não-supervisionados para detecção de algomerados (clustering) e reconhecimento de padrões (pattern recognition) em segmentação de imagens médicas Métodos baseados em técnicas de computação natural têm se mostrado bastante atrativos nestas tarefas e são estudados aqui como uma forma de verificar a sua aplicabilidade em segmentação de imagens médicas. Este trabalho trata de implementa os métodos GKA (Genetic K-means Algorithm), GFCMA (Genetic FCM Algorithm) PSOKA (Algoritmo de clustering baseado em PSO (Particle Swarm Optimization) e K means) e PSOFCM (Algoritmo de clustering baseado em PSO e FCM (Fuzzy C Means)). Além disso, como forma de avaliar os resultados fornecidos pelos algoritmos são utilizados índices de validação de clustering como forma de medida quantitativa Avaliações visuais e qualitativas também são realizadas, principalmente utilizando dados do sistema BrainWeb, um gerador de imagens do cérebro, como ground truthUniversidade Federal do Rio Grande do NorteBRUFRNPrograma de Pós-Graduação em Engenharia ElétricaAutomação e Sistemas; Engenharia de Computação; TelecomunicaçõesCosta, José Alfredo Ferreirahttp://lattes.cnpq.br/7022849614714429http://lattes.cnpq.br/9745845064013172Martins, Allan de Medeiroshttp://lattes.cnpq.br/4402694969508077Carvalho, Bruno Motta dehttp://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4791070J6Souza, Jackson Gomes de2014-12-17T14:55:35Z2009-07-132014-12-17T14:55:35Z2009-09-28info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfapplication/pdfSOUZA, Jackson Gomes de. Técnicas de computação natural para segmentação de imagens médicas. 2009. 105 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2009.https://repositorio.ufrn.br/jspui/handle/123456789/15282porinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRN2017-11-02T11:27:46Zoai:repositorio.ufrn.br:123456789/15282Repositório InstitucionalPUBhttp://repositorio.ufrn.br/oai/repositorio@bczm.ufrn.bropendoar:2017-11-02T11:27:46Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false
dc.title.none.fl_str_mv Técnicas de computação natural para segmentação de imagens médicas
title Técnicas de computação natural para segmentação de imagens médicas
spellingShingle Técnicas de computação natural para segmentação de imagens médicas
Souza, Jackson Gomes de
Processamento de imagens digitais
segmentação de imagens médicas
otimização por enxame de partículas
computação natural
algoritmos genéticos
k-means
fuzzy c-means
Digital image processing
medical image segmentation
particle swarm optimization
natural computing
genetic algorithms
k-means
fuzzy c-means
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
title_short Técnicas de computação natural para segmentação de imagens médicas
title_full Técnicas de computação natural para segmentação de imagens médicas
title_fullStr Técnicas de computação natural para segmentação de imagens médicas
title_full_unstemmed Técnicas de computação natural para segmentação de imagens médicas
title_sort Técnicas de computação natural para segmentação de imagens médicas
author Souza, Jackson Gomes de
author_facet Souza, Jackson Gomes de
author_role author
dc.contributor.none.fl_str_mv Costa, José Alfredo Ferreira

http://lattes.cnpq.br/7022849614714429

http://lattes.cnpq.br/9745845064013172
Martins, Allan de Medeiros

http://lattes.cnpq.br/4402694969508077
Carvalho, Bruno Motta de

http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4791070J6
dc.contributor.author.fl_str_mv Souza, Jackson Gomes de
dc.subject.por.fl_str_mv Processamento de imagens digitais
segmentação de imagens médicas
otimização por enxame de partículas
computação natural
algoritmos genéticos
k-means
fuzzy c-means
Digital image processing
medical image segmentation
particle swarm optimization
natural computing
genetic algorithms
k-means
fuzzy c-means
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
topic Processamento de imagens digitais
segmentação de imagens médicas
otimização por enxame de partículas
computação natural
algoritmos genéticos
k-means
fuzzy c-means
Digital image processing
medical image segmentation
particle swarm optimization
natural computing
genetic algorithms
k-means
fuzzy c-means
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
description Image segmentation is one of the image processing problems that deserves special attention from the scientific community. This work studies unsupervised methods to clustering and pattern recognition applicable to medical image segmentation. Natural Computing based methods have shown very attractive in such tasks and are studied here as a way to verify it's applicability in medical image segmentation. This work treats to implement the following methods: GKA (Genetic K-means Algorithm), GFCMA (Genetic FCM Algorithm), PSOKA (PSO and K-means based Clustering Algorithm) and PSOFCM (PSO and FCM based Clustering Algorithm). Besides, as a way to evaluate the results given by the algorithms, clustering validity indexes are used as quantitative measure. Visual and qualitative evaluations are realized also, mainly using data given by the BrainWeb brain simulator as ground truth
publishDate 2009
dc.date.none.fl_str_mv 2009-07-13
2009-09-28
2014-12-17T14:55:35Z
2014-12-17T14:55:35Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv SOUZA, Jackson Gomes de. Técnicas de computação natural para segmentação de imagens médicas. 2009. 105 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2009.
https://repositorio.ufrn.br/jspui/handle/123456789/15282
identifier_str_mv SOUZA, Jackson Gomes de. Técnicas de computação natural para segmentação de imagens médicas. 2009. 105 f. Dissertação (Mestrado em Automação e Sistemas; Engenharia de Computação; Telecomunicações) - Universidade Federal do Rio Grande do Norte, Natal, 2009.
url https://repositorio.ufrn.br/jspui/handle/123456789/15282
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
BR
UFRN
Programa de Pós-Graduação em Engenharia Elétrica
Automação e Sistemas; Engenharia de Computação; Telecomunicações
publisher.none.fl_str_mv Universidade Federal do Rio Grande do Norte
BR
UFRN
Programa de Pós-Graduação em Engenharia Elétrica
Automação e Sistemas; Engenharia de Computação; Telecomunicações
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFRN
instname:Universidade Federal do Rio Grande do Norte (UFRN)
instacron:UFRN
instname_str Universidade Federal do Rio Grande do Norte (UFRN)
instacron_str UFRN
institution UFRN
reponame_str Repositório Institucional da UFRN
collection Repositório Institucional da UFRN
repository.name.fl_str_mv Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)
repository.mail.fl_str_mv repositorio@bczm.ufrn.br
_version_ 1855758724065394688

Registros relacionados