Nous utilisons des cookies pour améliorer votre expérience. Pour nous conformer à la nouvelle directive sur la vie privée, nous devons demander votre consentement à l’utilisation de ces cookies. En savoir plus.
Segmentation d images médicales volumétriques
Univ Europeenne - EAN : 9786131591648
Édition papier
EAN : 9786131591648
Paru le : 5 sept. 2011
39,00 €
36,97 €
Disponible
Pour connaître votre prix et commander, identifiez-vous
Notre engagement qualité
-
Livraison gratuite
en France sans minimum
de commande -
Manquants maintenus
en commande
automatiquement -
Un interlocuteur
unique pour toutes
vos commandes -
Toutes les licences
numériques du marché
au tarif éditeur -
Assistance téléphonique
personalisée sur le
numérique -
Service client
Du Lundi au vendredi
de 9h à 18h
- EAN13 : 9786131591648
- Réf. éditeur : 5426682
- Editeur : Univ Europeenne
- Date Parution : 5 sept. 2011
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 104
- Format : H:229 mm L:152 mm E:6 mm
- Poids : 166gr
- Interdit de retour : Retour interdit
- Résumé : Dans le domaine de l'imagerie médicale, la segmentation des images volumétriques résultant de divers examens est une tâche cruciale. Elle fournit au praticien une aide pour effectuer son diagnostic. La pertinence de cet outil repose sur deux facteurs majeurs : le temps de calcul et la qualité de segmentation. Nous montrons qu'il possible d'alléger la contrainte de temps grâce à la distribution des calculs sur un cluster d'ordinateurs. La programmation parallèle a été effectuée par l'utilisation du standard MPI (Message Passing Interface). L'efficacité de la solution est prouvée par de bons facteurs d'accélération car il ne suffit pas de paralléliser un programme pour proclamer avoir atteint le Graal. La modélisation par champs aléatoires de Markov cachés a été choisie pour segmenter les images. Cette modélisation aboutit à l'optimisation d'une fonction objective. Nous avons utilisé les techniques d'optimisation, éprouvées, que sont le Recuit Simulé et les Modes Conditionnels Itérés. L'algorithme des nuées dynamiques a également été utilisé dans un but comparatif. Pour mesurer la qualité de la segmentation, nous calculons les Kappa Index sur des images disposant de vérité terrain.
