Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: biomedical image analysis

Sortuj według:

Ogranicz wyniki do:

Integrating Ant Colony Optimization with Level Set Method for Biomedical Image Boundary Detection

Rahebi J., Hardalaç F.

Przegląd Elektrotechniczny

2013

R. 89, nr 5

218-221

In this paper, ACO-based level set method is introduced to tackle the biomedical image boundary detection problem. The proposed ACO based level set method boundary detection approach is able to construct a pheromone matrix that represents the boundary information presented at each pixel position of the image, according to the movements of a number of ants which are dispatched to move on the image, then this result is initial contour for zero level set function in boundary of image that is segmented. Furthermore, the movements of these ants steers by the local variation of the image’s intensity values that it cause the contour move toward the object and exactly found boundaries. ACO-based method determines the initial contour to reduce the iteration steps. Such improvements simplify level set manipulation and lead to more robust segmentation. Experimental results show that the proposed method is can preserve the detail of the object and can be used to reduce the capacity of more computational tasks in research.

W artykule opisano zastosowanie optymalizacji ACO (ang. Ant Colony Optimization) i metody poziomic w wychwytywaniu naruszenia brzegów obrazów biomedycznych. Proponowana metoda wykrywania granic tworzy matrycę feromonów, reprezentujących informacje brzegowe dla każdego z pikseli obrazu, w oparciu o ruch mrówek poruszających się po nim. Dane te stanowią wartość początkową dla funkcji ustalającej poziomicę zerową granicy obrazu. Pozwala to na redukcję ilości iteracji algorytmu. Wyniki badań eksperymentalnych potwierdzają skuteczność działania metody.

Automated Detecting Symptoms Of Selected Gallbladder Illness Based On A Static Ultrasound Images Analysis

Bodzioch S.

Bio-Algorithms and Med-Systems

2006

Vol. 2, no. 3

33--42

Automating a process of diagnosis always comes down to developing algorithms used to analyze the object of such diagnosis and verify the occurrence of symptoms related to a given affliction. Usually the final stage is to make a diagnosis based on the detected symptoms. This last stage can be carried out through either expert systems or a more classic approach, that is with the application of minimal distance methods. In the case of gallbladder diagnostics, the most important examination still remains image ultrasound diagnostics. This paper discusses the algorithms of a computer analysis of static ultrasound gallbladder images and detecting symptoms of the most frequent illness of this organ.

Zautomatyzowanie procesu diagnostycznego zawsze sprowadza się do opracowania algorytmów analizujących przedmiot diagnozy oraz weryfikujących obecność symptomów związanych z danym schorzeniem. Ostatnim etapem jest postawienie diagnozy na podstawie wykrytych symptomów. Etap ten zwykle można zrealizować za pomocą systemów ekspertowych bądź podejściem bardziej klasycznym stosując metody minimalno-odległościowe. W przypadku diagnostyki pęcherzyka żółciowego, najważniejszym badaniem wciąż jest Obrazowa diagnostyka ultrasonograficzna. W niniejszym artykule zostaną omówione algorytmy komputerowej analizy statycznych obrazów USG pęcherzyka żółciowego oraz wykrywania symptomów dla najczęściej występujących schorzeń tego organu.