Bücher von Rajnisha Verma

Für die präzise Segmentierung von normalem und pathologischem Gewebe in den MRT-Gehirnbildern wird eine effiziente Technik vorgeschlagen. Die vorgeschlagene Segmentierungstechnik führt zunächst einen Klassifizierungsprozess durch, indem sie K-Means-Clustering verwendet. Dies schlägt einen Herpes-Simplex-Virus-Ansatz zur Klassifizierung von Magnetresonanzbildern (MRT) des Gehirns vor, der auf einem farbkonvertierten K-Means-Clustering-Segmentierungsalgorithmus basiert. Die Segmentierung von Bildern nimmt im Bereich der Bildverarbeitung eine wichtige Stellung ein. Es wird immer wichtiger, wenn es typischerweise um medizinische Bilder geht. Ein bekanntes Segmentierungsproblem innerhalb der MRT ist die Aufgabe, Voxel nach ihrem Gewebetyp zu kennzeichnen, zu dem weiße Substanz, graue Substanz, Zerebrospinalflüssigkeit und manchmal pathologische Gewebe wie Tumore usw. gehören. Diese Arbeit beschreibt eine effiziente Methode zur automatischen Segmentierung von Hirntumoren.

Se propone una técnica eficaz para la segmentación precisa de tejidos normales y patológicos en las imágenes cerebrales de resonancia magnética. La técnica de segmentación propuesta realiza inicialmente un proceso de clasificación mediante la utilización de agrupaciones de K-medias. Esto propone un enfoque del virus del herpes simple para la clasificación de imágenes de resonancia magnética (MRI) del cerebro basado en un algoritmo de segmentación de agrupamiento de medias K convertido en color. La segmentación de imágenes ocupa un lugar importante en el ámbito del procesamiento de imágenes. Se vuelve más importante cuando normalmente se trata de imágenes médicas. Un problema de segmentación bien conocido dentro de la resonancia magnética es la tarea de etiquetar vóxeles según su tipo de tejido, que incluye materia blanca, materia gris, líquido cefalorraquídeo y, a veces, tejidos patológicos como tumores, etc. Esta tesis describe un método eficaz para la segmentación automática de tumores cerebrales.

Uma técnica eficiente é proposta para a segmentação precisa de tecidos normais e patológicos nas imagens cerebrais de ressonância magnética. A técnica de segmentação proposta inicialmente realiza o processo de classificação utilizando agrupamento K-means. Isto propõe uma abordagem do vírus Herpes Simplex para classificação de imagens de ressonância magnética (MRI) do cérebro com base no algoritmo de segmentação de agrupamento K-means convertido em cores. A segmentação de imagens ocupa uma posição importante na área de processamento de imagens. Torna-se mais importante ao lidar normalmente com imagens médicas. Um problema de segmentação bem conhecido na ressonância magnética é a tarefa de rotular voxels de acordo com seu tipo de tecido, que inclui substância branca, substância cinzenta, líquido cefalorraquidiano e, às vezes, tecidos patológicos como tumores, etc. Esta tese descreve um método eficiente para segmentação automática de tumores cerebrais.

Predlozhen äffektiwnyj metod tochnoj segmentacii normal'nyh i patologicheskih tkanej na MRT-izobrazheniqh golownogo mozga. Predlagaemyj metod segmentacii perwonachal'no wypolnqet process klassifikacii s ispol'zowaniem klasterizacii K-srednih. Jeto predlagaet podhod wirusa prostogo gerpesa dlq klassifikacii magnitno-rezonansnyh izobrazhenij golownogo mozga (MRT) na osnowe algoritma segmentacii klasterizacii K-srednih s preobrazowaniem cweta. Segmentaciq izobrazhenij zanimaet wazhnoe mesto w oblasti obrabotki izobrazhenij. Jeto stanowitsq bolee wazhnym pri rabote s medicinskimi izobrazheniqmi. Horosho izwestnoj problemoj segmentacii w MRT qwlqetsq zadacha markirowki woxelej w sootwetstwii s ih tipom tkani, wklüchaq beloe weschestwo, seroe weschestwo, spinnomozgowuü zhidkost', a inogda i patologicheskie tkani, takie kak opuhol' i t. d. V ätoj dissertacii opisan äffektiwnyj metod awtomaticheskoj segmentacii opuholej golownogo mozga.

Viene proposta una tecnica efficiente per la segmentazione precisa dei tessuti normali e patologici nelle immagini cerebrali MRI. La tecnica di segmentazione proposta esegue inizialmente il processo di classificazione utilizzando il clustering K-means. Questo propone un approccio al virus dell'Herpes Simplex per la classificazione delle immagini di risonanza magnetica cerebrale (MRI) basato sull'algoritmo di segmentazione del clustering K-means convertito in colore. La segmentazione delle immagini occupa una posizione importante nel campo dell'elaborazione delle immagini. Diventa più importante quando si ha a che fare tipicamente con immagini mediche. Un problema di segmentazione ben noto nella risonanza magnetica è il compito di etichettare i voxel in base al tipo di tessuto che include materia bianca, materia grigia, liquido cerebrospinale e talvolta tessuti patologici come tumori ecc. Questa tesi descrive un metodo efficiente per la segmentazione automatica del tumore al cervello.

Une technique efficace est proposée pour la segmentation précise des tissus normaux et pathologiques dans les images cérébrales IRM. La technique de segmentation proposée effectue initialement un processus de classification en utilisant le regroupement K-means. Ceci propose une approche du virus de l'herpès simplex pour la classification des images par résonance magnétique (IRM) cérébrales basées sur un algorithme de segmentation en cluster K-means converti en couleurs. La segmentation des images occupe une place importante dans le domaine du traitement d'images. Cela devient plus important lorsqüil s¿agit généralement d¿images médicales. Un problème de segmentation bien connu en IRM est la tâche de marquage des voxels en fonction de leur type de tissu, qui comprend la matière blanche, la matière grise, le liquide céphalorachidien et parfois des tissus pathologiques comme une tumeur, etc. Cette thèse décrit une méthode efficace pour la segmentation automatique des tumeurs cérébrales.

An efficient technique is proposed for the precise segmentation of normal and pathological tissues in the MRI brain images. The proposed segmentation technique initially performs classification process by utilizing K-means clustering. This proposes a Herpes Simplex Virus approach for classification of brain magnetic resonance images (MRI) based on colour converted K-means clustering segmentation algorithm. Segmentation of images holds an important position in the area of image processing. It becomes more important while typically dealing with medical images. A well known segmentation problem within MRI is the task of labeling voxels according to their tissue type which include White Matter, Grey Matter, Cerebrospinal Fluid and sometimes pathological tissues like tumour etc. This thesis describes an efficient method for automatic brain tumour segmentation.