Publicação
Segmentação de imagens através de métodos robustos de clusterização
| Resumo: | O principal objetivo deste trabalho consiste em encontrar o melhor método para segmentar imagens médicas, mais especificamente, radiografias dentárias. Pretende-se também definir critérios de comparação relevantes para avaliar a qualidade da segmentação obtida. Este último ponto permitiu definir uma metodologia de validação dos resultados obtidos com duas categorias distintas de algoritmos: k-means e fuzzy c-means. Em alternativa, testaram-se também os métodos de Otsu e da binarisation. As experiencias efetuadas tiveram em conta imagens diferentes, cada uma com características próprias, de maneira a obter uma técnica de segmentação o mais genérica possível. Os resultados obtidos foram comparados com a segmentação real dada por um profissional de odontologia. Observou-se que os métodos de clusterização têm dificuldade em separar a parte correspondente ao dente da parte da gengiva. Efetivamente, nesta área da imagem a tonalidade dos pixéis é muito semelhante. No entanto, os resultados são promissores pois a técnicas utilizadas conseguem identificar grande parte da área correspondente ao dente. |
|---|---|
| Autores principais: | Lawniczak, Jean Clement |
| Outros Autores: | Balsa, Carlos |
| Assunto: | Radiografia dentária Segmentação de imagem Cluster K-means Fuzzy c-means |
| Ano: | 2017 |
| País: | Portugal |
| Tipo de documento: | documento de conferência |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Instituto Politécnico de Bragança |
| Idioma: | português |
| Origem: | Biblioteca Digital do IPB |
| Resumo: | O principal objetivo deste trabalho consiste em encontrar o melhor método para segmentar imagens médicas, mais especificamente, radiografias dentárias. Pretende-se também definir critérios de comparação relevantes para avaliar a qualidade da segmentação obtida. Este último ponto permitiu definir uma metodologia de validação dos resultados obtidos com duas categorias distintas de algoritmos: k-means e fuzzy c-means. Em alternativa, testaram-se também os métodos de Otsu e da binarisation. As experiencias efetuadas tiveram em conta imagens diferentes, cada uma com características próprias, de maneira a obter uma técnica de segmentação o mais genérica possível. Os resultados obtidos foram comparados com a segmentação real dada por um profissional de odontologia. Observou-se que os métodos de clusterização têm dificuldade em separar a parte correspondente ao dente da parte da gengiva. Efetivamente, nesta área da imagem a tonalidade dos pixéis é muito semelhante. No entanto, os resultados são promissores pois a técnicas utilizadas conseguem identificar grande parte da área correspondente ao dente. |
|---|