La segmentation des images médicales avec l’approche hybride ISODATA et la distribution bêta

Abstract

pour les analyses quantitatives des images dans de nombreuses pathologies comme la détection des tumeurs. La grande variation de ces structures nécessite la mise en place des méthodes d'études spécifiques. L'objectif de notre travail est de mettre en oeuvre une méthode de segmentation automatique il s'agit de : la méthode ISODATA cependant, le problème de la segmentation avec l’algorithme Isodata devient un problème d’optimisation des paramètres . L’algorithme évolutionniste qui base sur la distribution Bêta est amené pour donner les paramètres optimaux qui seront ensuite utilisé par Isodat a. Les résultats obtenus sont très satisfaisantes et montrent une bonne détection des tumeurs . Pour évaluer notre travail , nous avons fait une comparaison entre l’approche proposée et deux autres algorithmes de segmentation par classification qui sont les K-Moyennes (K-means ) et les C-moyennes Floues( Fuzzy C-Means FCM).