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 volumique par modèles déformables
Univ Europeenne - EAN : 9786131594281
Édition papier
EAN : 9786131594281
Paru le : 15 sept. 2011
49,00 €
46,45 €
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 : 9786131594281
- Réf. éditeur : 5411672
- Editeur : Univ Europeenne
- Date Parution : 15 sept. 2011
- Disponibilite : Disponible
- Barème de remise : NS
- Nombre de pages : 156
- Format : H:229 mm L:152 mm E:9 mm
- Poids : 239gr
- Interdit de retour : Retour interdit
- Résumé : En médecine, l'utilisation d'images 3D (IRM, TDM, ...), devient de plus en plus fréquente. Par ailleurs, la quantité croissante de données mises à la disposition du clinicien a motivé l'élaboration des méthodes d'analyse automatique d'images. La segmentation des structures normales ou pathologiques est l'une des étapes les plus incontournables. Cependant, cette étape reste un problème difficile à cause de plusieurs difficultés. Les méthodes existantes sont nombreuses, mais elles sont incapables de résoudre toutes les perturbations. En particulier, les modèles déformables ont été appliqués avec succès mais, ils ont certaines limitations. Dans cette thèse nous nous proposons de montrer qu'il est possible de définir un cadre commun permettant la mise en place d'une coopération entre des approches hétérogènes en réponse à la complexité du problème posé. L'intérêt d'une telle approche est de pouvoir exploiter la complémentarité d'informations qui résultent de l'application de plusieurs méthodes afin d'avoir une segmentation efficace. Notre méthode est fondée essentiellement sur les "Level-set" et les techniques de classification et de recalage. Nos résultats sont très encourageants.
