Erkennung von Hirntumoren anhand von MR-Bildern auf der Grundlage einer Co-Occurrence-Matrix

Die automatische Analyse medizinischer Bilder mittels Computeranalyse ist eines der interessantesten Gebiete der biomedizinischen Bildverarbeitung. Das vorgeschlagene System bietet Techniken für die MRT-Analyse. Es wird eine statistische Strukturanalyse auf der Grundlage eines Tumorsegmentierungsschemas vorgestellt, das sich auf die strukturelle Analyse von normalem und abnormalem Gewebe konzentriert und Ärzten hilft, menschliche Fehler bei der manuellen Interpretation medizinischer Inhalte zu vermeiden. In dieser Studie wird ein verbesserter Schwellenwertalgorithmus angewandt, um den abnormalen Teil aus der 2D-MRT zu extrahieren. Zur Berechnung der Fläche des abnormalen Gewebes (Tumor) wird die Wavelet-Transformation angewendet, eine Technik zur Signalschätzung, die die Fähigkeiten zur Entrauschung des Signals nutzt. Anschließend wird eine hybride Methode angewandt, bei der das k-mean Clustering eine Methode der Clusteranalyse ist, die darauf abzielt, die Bilder in Cluster zu unterteilen. Schließlich wurde ein Algorithmus zur Einfärbung von Bildern in Abhängigkeit von der Grenze entwickelt. Dies hilft dabei, den abnormen Teil in k Cluster zu unterteilen.