Segmentazione ed estrazione di immagini di risonanza magnetica mediante PCNN

La segmentazione delle immagini è descritta come la suddivisione di un'immagine in un numero finito di regioni semanticamente non sovrapposte. Nelle applicazioni mediche, è un processo fondamentale nella maggior parte dei sistemi che supportano la diagnosi medica, la pianificazione chirurgica e i trattamenti. In genere, questo processo viene eseguito manualmente dai medici, il che può richiedere tempo e fatica. Per ovviare al problema, sono stati proposti diversi metodi di segmentazione interattiva. La Pulse Coupled Neural Networks (PCNN) è una rete auto-organizzante che non richiede addestramento ed è stata costruita simulando le attività dei neuroni della corteccia visiva dei mammiferi. La PCNN è unica rispetto ad altre tecniche grazie all'uscita sincrona a impulsi, alla soglia regolabile e ai parametri controllabili. Il sistema della corteccia visiva dei mammiferi è stato la base per lo sviluppo della PCNN. La corteccia visiva del gatto e della cavia ha contribuito allo sviluppo di alcuni modelli digitali. Sono in corso ricerche sulle tecniche di segmentazione delle immagini in campo medico utilizzando le PCNN. Questo libro descrive un'idea completa per la segmentazione delle immagini di risonanza magnetica basata su reti neurali ad accoppiamento di impulsi.