Résultat de la recherche
1 recherche sur le mot-clé 'segmentation, image microscopique, espaces couleur, fusion, réduction de dimension, théorie évidence.'
Affiner la recherche Générer le flux rss de la recherche
Partager le résultat de cette recherche Interroger des sources externes
analyse intelligente des images médicales : application aux images microscopiques de cytologie / Mourtada BENAZZOUZ
Titre : analyse intelligente des images médicales : application aux images microscopiques de cytologie Type de document : texte imprimé Auteurs : Mourtada BENAZZOUZ, Auteur Année de publication : 2013 Importance : 142p. Présentation : ill. Format : 30cm. Langues : Français (fre) Mots-clés : segmentation, image microscopique, espaces couleur, fusion, réduction de dimension, théorie
évidence.Résumé : L’analyse d’images cellulaires, appelée communément screening est une opération de repérage,
manuelle, qui s’avère longue, fastidieuse et demande une concentration continue ; cette inspection visuelle des
cellules peut être réalisée à partir des images microscopiques, ces dernières proviennent de l’étalement d’un
frottis de moelle osseuse sur une lame ; permettant d’aider le médecin à aiguiser son diagnostic et compléter son
bilan. Dans la chaine d’analyse d’image et de vision par ordinateur, la segmentation occupe une place
prépondérante ; consistant à extraire et délimiter les objets ou plus exactement les composantes cellulaires pour
notre application. L’évolution technologique a procuré un regain d’attention particulier aux images couleurs,
provoquant l’avènement de nouvelles méthodes de segmentation d’images couleurs faisant l’objet de plusieurs
publications et travaux scientifiques. Après une lecture d’un panorama des méthodes de segmentation d’images
présentes dans la littérature de ces dernières années, et spécialement celles ayant trait aux images microscopiques
cellulaires, nous proposons un schéma de segmentation en utilisant la classification pixellaire, basé sur la fusion
d’information. Le modèle adopté est guidé par les deux stratégies qu’offre la fusion d’information ; à savoir
classifier séparément les données issues de différentes sources pour ensuite fusionner les décisions ou bien de
combiner ces données en vue de les classifier. Une caractérisation est réalisée afin de fournir des descripteurs
pertinents aux constituants cellulaires précédemment segmentés : cytoplasme et noyau. Ensuite un classifieur est
construit pour identifier et dénombrer les différents types de cellules afin de venir en aide à la reconnaissance
pathologique.analyse intelligente des images médicales : application aux images microscopiques de cytologie [texte imprimé] / Mourtada BENAZZOUZ, Auteur . - 2013 . - 142p. : ill. ; 30cm.
Langues : Français (fre)
Mots-clés : segmentation, image microscopique, espaces couleur, fusion, réduction de dimension, théorie
évidence.Résumé : L’analyse d’images cellulaires, appelée communément screening est une opération de repérage,
manuelle, qui s’avère longue, fastidieuse et demande une concentration continue ; cette inspection visuelle des
cellules peut être réalisée à partir des images microscopiques, ces dernières proviennent de l’étalement d’un
frottis de moelle osseuse sur une lame ; permettant d’aider le médecin à aiguiser son diagnostic et compléter son
bilan. Dans la chaine d’analyse d’image et de vision par ordinateur, la segmentation occupe une place
prépondérante ; consistant à extraire et délimiter les objets ou plus exactement les composantes cellulaires pour
notre application. L’évolution technologique a procuré un regain d’attention particulier aux images couleurs,
provoquant l’avènement de nouvelles méthodes de segmentation d’images couleurs faisant l’objet de plusieurs
publications et travaux scientifiques. Après une lecture d’un panorama des méthodes de segmentation d’images
présentes dans la littérature de ces dernières années, et spécialement celles ayant trait aux images microscopiques
cellulaires, nous proposons un schéma de segmentation en utilisant la classification pixellaire, basé sur la fusion
d’information. Le modèle adopté est guidé par les deux stratégies qu’offre la fusion d’information ; à savoir
classifier séparément les données issues de différentes sources pour ensuite fusionner les décisions ou bien de
combiner ces données en vue de les classifier. Une caractérisation est réalisée afin de fournir des descripteurs
pertinents aux constituants cellulaires précédemment segmentés : cytoplasme et noyau. Ensuite un classifieur est
construit pour identifier et dénombrer les différents types de cellules afin de venir en aide à la reconnaissance
pathologique.Exemplaires
Code-barres Cote Support Localisation Section Disponibilité aucun exemplaire