Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Cancerspaper 14 04399 v23229 2 1

Machine Translated by Google Cancers sur Coe ?cient de similarité des dés TP TP FP FN Distance Jaccard TP TP FP FN Coe ?cient de corrélation M N IEssi tj ?? Igi j ?? Ig ?Ig ? ? M ? N je j ?Est Erreur quadratique moyenne RMSE M? N ? ? M N Isi j ?? Igi j je j o? FP était le nombre de faux positifs TP était le nombre de vrais positifs FN était le nombre de faux négatifs Is faisait référence à l'image segmentée avec notre technique Ig était l'image Ground Truth et M et N représentaient la taille de l'image Comme le coe ?cient de Dice et la distance de Jaccard sont deux métriques de similarité une méthode puissante devrait maximiser ces critères Le critère de corrélation est également une métrique de similarité et varie entre - et la corrélation positive parfaite est obtenue lorsque le coe ?cient est égal à RMSE est d'autre part une métrique de dissimilitude la valeur minimale de RMSE est indicative d'une technique de segmentation robuste Analyse expérimentale L'approche proposée de segmentation des tumeurs cérébrales a été évaluée à l'aide des bases de données privées CIKA et BraTS Cette section présente les spéci ? cations de chaque base de données utilisée De plus nous analysons les résultats obtenus à partir de notre approche proposée et comparons les résultats avec d'autres approches classiques Expériences sur la base de données KICA Description de la base de données L'algorithme proposé a été mis en ?uvre pour l'étude d'évaluation sur di ?érentes images IRM et Ground Truths obtenues à partir d'une base de données fournie par le centre d'imagerie de Kouba - Alger KICA - qui comprenait les images de tumeurs cérébrales et les images Ground Truth correspondantes complètes zones tumorales Au total personnes ont contribué à la constitution de la base de données Train Test Les images cérébrales sans maladie utilisées étaient au format Digital Imaging and Communications in Medicine DICOM et ont été sélectionnées dans les mêmes sections que les images de tumeurs cérébrales Nous avons sélectionné plusieurs images IRM pour réaliser nos di ?érentes expériences Le travail présenté est une collaboration entre plusieurs institutions algériennes et françaises Les modèles d'IRM Ground Truth ont été dé ?nis avec l'aide de radiologues de neurologues et d'ingénieurs biomédicaux du centre d'imagerie de Kouba à Alger Algérie et de l'hôpital de Tours France Expériences Cette section est divisée en deux parties La première partie illustre le rôle essentiel de l' ANOVA dans notre algorithme Les résultats de la fonction de ?tness basée sur l'ANOVA ont été comparés à ceux obtenus avec la fonction de ?tness SAD Suivant le même concept de variabilité expliqué ci-dessus le bloc candidat qui a donné la valeur SAD maximale a été considéré comme le bloc tumoral Dans la deuxième partie de ce travail nous avons comparé les résultats expérimentaux de notre algorithme avec plusieurs techniques de segmentation bien connues telles que les Cmoyennes oues FCM les K-moyennes le seuillage