Bücher von Musibau Adekunle Ibrahim

Este livro desenvolve e avalia diferentes técnicas multi-fractais para a detecção, classificação e análise de imagens médicas. A análise multi-fractal tem uma melhor forma de lidar com irregularidades em comparação com a abordagem clássica, uma vez que extrai informação directamente da singularidade, e as características obtidas são utilizadas para a descrição e análise dos padrões de imagem. A singularidade deste livro é que utiliza o multi-fractal como ferramenta para resolver problemas de classificação em imagens biomédicas, uma vez que as propriedades de escala da maioria das imagens naturais exibem propriedades de auto-similaridade que são muito comuns na maioria das doenças médicas. Este trabalho de investigação estuda as estruturas das imagens de emphysema CT e extrai as características estatísticas de auto-similaridade caracterizadas pelo expoente Titular para desenvolver novos descritores para a classificação de padrões. Os resultados alcançados no livro podem ser muito úteis em ambientes académicos, institutos de investigação, e também para ajudar os profissionais no campo da medicina.

Questo libro sviluppa e valuta diverse tecniche multifrattali per il rilevamento, la classificazione e l'analisi delle immagini mediche. L'analisi multifrattale ha un modo migliore di gestire le irregolarità rispetto all'approccio classico, in quanto estrae le informazioni direttamente dalle singolarità e le caratteristiche ottenute vengono utilizzate per la descrizione e l'analisi dei modelli di immagine. L'unicità di questo libro è che utilizza la multifrattale come strumento per risolvere i problemi di classificazione delle immagini biomediche, in quanto le proprietà di scala della maggior parte delle immagini naturali presentano proprietà di autosimilarità che sono molto comuni nella maggior parte delle malattie mediche. Questo lavoro di ricerca studia le strutture delle immagini TC dell'enfisema ed estrae le caratteristiche statistiche di autosimilarità caratterizzate dall'esponente Holder per sviluppare nuovi descrittori per la classificazione dei pattern. I risultati ottenuti nel libro potrebbero essere molto utili in ambienti accademici, istituti di ricerca e anche per assistere i professionisti nel campo della medicina.

Este libro desarrolla y evalúa diferentes técnicas multifractales para la detección, clasificación y análisis de imágenes médicas. El análisis multifractal tiene una mejor manera de manejar las irregularidades en comparación con el enfoque clásico, ya que extrae información directamente de la singularidad, y las características obtenidas se utilizan para las descripciones y el análisis de los patrones de imagen.La singularidad de este libro es que utiliza multifractal como una herramienta para resolver problemas de clasificación en imágenes biomédicas ya que las propiedades de escalado de la mayoría de las imágenes naturales exhiben propiedades de auto-similitud que son muy comunes en la mayoría de las enfermedades médicas. Este trabajo de investigación estudia las estructuras de las imágenes de TAC de enfisema y extrae los rasgos estadísticos de autosimilitud caracterizados por el exponente de Holder para desarrollar nuevos descriptores para la clasificación de patrones. Los resultados obtenidos en el libro podrían ser muy útiles en entornos académicos, institutos de investigación y también para ayudar a los profesionales del campo de la medicina.

In diesem Buch werden verschiedene multifraktale Techniken zur Erkennung, Klassifizierung und Analyse medizinischer Bilder entwickelt und bewertet. Das Besondere an diesem Buch ist, dass es die Multifraktalanalyse als Werkzeug zur Lösung von Klassifizierungsproblemen in biomedizinischen Bildern verwendet, da die Skalierungseigenschaften der meisten natürlichen Bilder Selbstähnlichkeitseigenschaften aufweisen, die bei den meisten medizinischen Krankheiten sehr häufig sind. Diese Forschungsarbeit untersucht die Strukturen von Emphysem-CT-Bildern und extrahiert die statistischen Selbstähnlichkeitsmerkmale, die durch den Holder-Exponenten gekennzeichnet sind, um neue Deskriptoren für die Musterklassifizierung zu entwickeln. Die in diesem Buch erzielten Ergebnisse könnten in akademischen Umgebungen, Forschungsinstituten und auch zur Unterstützung von Fachleuten im Bereich der Medizin sehr nützlich sein.

Ce livre développe et évalue différentes techniques multi-fractales pour la détection, la classification et l'analyse des images médicales. L'analyse multifractale a une meilleure façon de traiter les irrégularités par rapport à l'approche classique car elle extrait l'information directement de la singularité, et les caractéristiques obtenues sont utilisées pour les descriptions et l'analyse des modèles d'image. L'originalité de ce livre est qu'il utilise la multi-fractalité comme un outil pour résoudre les problèmes de classification dans les images biomédicales puisque les propriétés d'échelle de la plupart des images naturelles présentent des propriétés d'auto-similarité qui sont très communes dans la plupart des maladies médicales. Ce travail de recherche étudie les structures des images CT de l'emphysème et extrait les caractéristiques statistiques d'auto-similarité caractérisées par l'exposant de Holder afin de développer de nouveaux descripteurs pour la classification des modèles. Les résultats obtenus dans ce livre pourraient être très utiles dans les environnements académiques, les instituts de recherche, et également pour aider les professionnels dans le domaine de la médecine.

This book develops and evaluates different multi-fractal techniques for detection, classification and analysis of medical images. Multi-fractal analysis has a better way of handling irregularities compared to the classical approach as it extracts information directly from the singularity, and the features obtained are used for the descriptions and analysis of the image patterns.The uniqueness about this book is that it uses multi-fractal as a tool for solving classification problems in biomedical images since the scaling properties of most natural images exhibit self-similarity properties that are very common in most medical diseases. This research work studies the structures of emphysema CT images and extracts the statistical self-similarity features characterized by the Holder exponent to develop new descriptors for pattern classification. The results achieved in the book could be very useful in academic environments, research institutes, and also to assist professionals in the field of medicine.