Segmentation des images médicales par l'algorithme FCM modifié

Abstract

La segmentation de l’image est souvent requise comme étape préliminaire et indispensable du processus d’imagerie médicale assistée par ordinateur, en particulier lors de l’analyse clinique de l’image cérébrale par résonance magnétique (IRM). L’algorithme de classification flou c-means (FCM) a été largement utilisé dans de nombreuses segmentations d’images médicales. Cependant, l’algorithme conventionnel de FCM est sensible au bruit parce qu’il ne tient pas compte de l’information spatiale. Pour surmonter le problème ci-dessus, un algorithme FCM modifié appelé Robust Fuzzy C-means (RFCM) pour la segmentation d’images cérébrales IRM est présenté dans ce travail. L’algorithme est réalisé en incorporant les informations de voisinage spatial dans l’algorithme FCM standard et en modifiant la pondération des membres de chaque cluster. L’algorithme proposé est appliqué à l’image cérébrale IRM dégradée par le bruit gaussien, ce qui démontre que l’algorithme présenté est beaucoup plus robuste en face de bruit et aux inhomogénéités d’intensité que l’algorithme FCM standard.