Técnicas de computação natural para segmentação de imagens médicas
Main Author: | |
---|---|
Publication Date: | 2009 |
Format: | Master thesis |
Language: | por |
Source: | Repositório Institucional da UFRN |
Download full: | https://repositorio.ufrn.br/jspui/handle/123456789/15282 |
Summary: | 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_6ccc8bb067c099a0bbbb8d017ee36451 |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/15282 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Souza, Jackson Gomes dehttp://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=K4791070J6Costa, José Alfredo Ferreira2014-12-17T14:55:35Z2009-07-132014-12-17T14:55:35Z2009-09-28SOUZA, 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/123456789/15282Image 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 truthapplication/pdfporUniversidade Federal do Rio Grande do NortePrograma de Pós-Graduação em Engenharia ElétricaUFRNBRAutomação e Sistemas; Engenharia de Computação; TelecomunicaçõesProcessamento 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 ELETRICATécnicas de computação natural para segmentação de imagens médicasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNORIGINALJacksonGS.pdfapplication/pdf1963039https://repositorio.ufrn.br/bitstream/123456789/15282/1/JacksonGS.pdfed3464892d7bb73b5dcab563e42f0e01MD51TEXTJacksonGS.pdf.txtJacksonGS.pdf.txtExtracted texttext/plain157786https://repositorio.ufrn.br/bitstream/123456789/15282/6/JacksonGS.pdf.txt06603fa1ddda4db8ca4071f37e1d85aeMD56THUMBNAILJacksonGS.pdf.jpgJacksonGS.pdf.jpgIM Thumbnailimage/jpeg3500https://repositorio.ufrn.br/bitstream/123456789/15282/7/JacksonGS.pdf.jpge4eed98bf939bac3b802c8cfc9570af5MD57123456789/152822017-11-02 08:27:46.346oai:https://repositorio.ufrn.br:123456789/15282Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2017-11-02T11:27:46Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.por.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.authorID.por.fl_str_mv |
|
dc.contributor.authorLattes.por.fl_str_mv |
http://lattes.cnpq.br/7022849614714429 |
dc.contributor.advisorID.por.fl_str_mv |
|
dc.contributor.advisorLattes.por.fl_str_mv |
http://lattes.cnpq.br/9745845064013172 |
dc.contributor.referees1.pt_BR.fl_str_mv |
Martins, Allan de Medeiros |
dc.contributor.referees1ID.por.fl_str_mv |
|
dc.contributor.referees1Lattes.por.fl_str_mv |
http://lattes.cnpq.br/4402694969508077 |
dc.contributor.referees2.pt_BR.fl_str_mv |
Carvalho, Bruno Motta de |
dc.contributor.referees2ID.por.fl_str_mv |
|
dc.contributor.referees2Lattes.por.fl_str_mv |
http://buscatextual.cnpq.br/buscatextual/visualizacv.do?id=K4791070J6 |
dc.contributor.author.fl_str_mv |
Souza, Jackson Gomes de |
dc.contributor.advisor1.fl_str_mv |
Costa, José Alfredo Ferreira |
contributor_str_mv |
Costa, José Alfredo Ferreira |
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 |
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 |
dc.subject.eng.fl_str_mv |
Digital image processing medical image segmentation particle swarm optimization natural computing genetic algorithms k-means fuzzy c-means |
dc.subject.cnpq.fl_str_mv |
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.available.fl_str_mv |
2009-07-13 2014-12-17T14:55:35Z |
dc.date.issued.fl_str_mv |
2009-09-28 |
dc.date.accessioned.fl_str_mv |
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.citation.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. |
dc.identifier.uri.fl_str_mv |
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 |
dc.publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
dc.publisher.program.fl_str_mv |
Programa de Pós-Graduação em Engenharia Elétrica |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
BR |
dc.publisher.department.fl_str_mv |
Automação e Sistemas; Engenharia de Computação; Telecomunicações |
publisher.none.fl_str_mv |
Universidade Federal do Rio Grande do Norte |
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 |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/15282/1/JacksonGS.pdf https://repositorio.ufrn.br/bitstream/123456789/15282/6/JacksonGS.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/15282/7/JacksonGS.pdf.jpg |
bitstream.checksum.fl_str_mv |
ed3464892d7bb73b5dcab563e42f0e01 06603fa1ddda4db8ca4071f37e1d85ae e4eed98bf939bac3b802c8cfc9570af5 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1797776934660210688 |