Segmentation de l'image cérébrale à l'aide du clustering K-Means dans Hue Transform

Une technique efficace est proposée pour la segmentation précise des tissus normaux et pathologiques dans les images cérébrales IRM. La technique de segmentation proposée effectue initialement un processus de classification en utilisant le regroupement K-means. Ceci propose une approche du virus de l'herpès simplex pour la classification des images par résonance magnétique (IRM) cérébrales basées sur un algorithme de segmentation en cluster K-means converti en couleurs. La segmentation des images occupe une place importante dans le domaine du traitement d'images. Cela devient plus important lorsqüil s¿agit généralement d¿images médicales. Un problème de segmentation bien connu en IRM est la tâche de marquage des voxels en fonction de leur type de tissu, qui comprend la matière blanche, la matière grise, le liquide céphalorachidien et parfois des tissus pathologiques comme une tumeur, etc. Cette thèse décrit une méthode efficace pour la segmentation automatique des tumeurs cérébrales.