Segmentazione dell'immagine cerebrale utilizzando il clustering K-Means nella trasformazione della tonalità

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.