Name: Extraction des tumeurs cérébrales à partir des images scanographiques (en Francés)
Price: 994.45 MXN
Availability: InStock
Author: Ben Sellem, Dorra ; Abidi, Islem ; Dziri, Halima
ISBN: 9786138425229

Envío gratis

portada Extraction des tumeurs cérébrales à partir des images scanographiques (en Francés)

Formato

Libro Físico

Autor

Dorra Ben Sellem

Islem Abidi

Halima Dziri

Editorial

Editions Universitaires Europeennes

Idioma

Francés

N° páginas

Encuadernación

Tapa Blanda

Dimensiones

22.9 x 15.2 x 0.5 cm

Peso

0.13 kg.

ISBN13

9786138425229

Categorías

Cuestiones generales de la medicina

Extraction des tumeurs cérébrales à partir des images scanographiques (en Francés)

Dorra Ben Sellem (Autor) · Islem Abidi (Autor) · Halima Dziri (Autor) · Editions Universitaires Europeennes · Tapa Blanda

Libro Nuevo

$ 994.45

$ 1,808.10

Ahorras: $ 813.64

45% descuento

Envío normal

Origen: Estados Unidos (Costos de importación incluídos en el precio)

Se enviará desde nuestra bodega entre el Lunes 22 de Julio y el Viernes 02 de Agosto.

Lo recibirás en cualquier lugar de México entre 1 y 3 días hábiles luego del envío.

Reseña del libro "Extraction des tumeurs cérébrales à partir des images scanographiques (en Francés)"

La segmentation des images médicales est une étape cruciale. L'objectif de ce travail était de segmenter des tumeurs cérébrales, à partir des coupes axiales d'examens scanographiques. Notre base de données comporte 20 patients. Le logiciel utilisé est MATLAB. Nous avons proposé quatre méthodes, Level set, une méthode améliorée de Level set et deux méthodes hybrides: Level set-K-means et Level set-Fuzzy C Means. Nous avons débuté, pour diminuer le bruit, par appliquer un filtre de diffusion anisotropique non linéaire. Ensuite, nous avons testé nos quatre méthodes sur notre base de données. Chaque algorithme a ses atouts et ses limites. Enfin et afin d'évaluer la qualité de segmentation, nous avons comparé ces quatre méthodes en utilisant deus métriques: précision et indice d'AUC de la courbe ROC. Nous avons montré que pour la méthode hybride Fuzzy C Means-Level set, la distribution du paramètre précision était la meilleure, la moyenne de ce paramètre était la plus élevée et la valeur de l'AUC était également la plus élevée. Nous avons alors conclu que l'algorithme hybride Level set- Fuzzy C Means était le meilleur.