4-D Gradient Vector Flow : segmentation par surface active pour images multi-composantes - Imagerie et Modélisation en Neurobiologie et Cancérologie Accéder directement au contenu
Communication Dans Un Congrès Année : 2013

4-D Gradient Vector Flow : segmentation par surface active pour images multi-composantes

Résumé

Dans cet article, nous généralisons le flux de vecteurs gradients à la segmentation par surface active d'images 3-D à valeurs vectorielles. Nous basons notre méthode sur la définition d'un tenseur de structure multi-composantes pondéré exploitant l'intégralité de l'information de l'image pour réduire la sensibilité au bruit et améliorer la précision du modèle. Appliquée à la segmentation de volumes biologiques en imagerie par tomographie d'émission de positrons (TEP) dynamique, nous validons notre méthode sur des simulations Monte Carlo réalistes d'images TEP de fantômes numériques.
Fichier principal
Vignette du fichier
30.pdf (8.65 Mo) Télécharger le fichier
Origine : Accord explicite pour ce dépôt
Loading...

Dates et versions

hal-00829425 , version 1 (05-06-2013)

Identifiants

  • HAL Id : hal-00829425 , version 1

Citer

Vincent Jaouen, P. Gonzalez, Simon Stute, Irène Buvat, Denis Guilloteau, et al.. 4-D Gradient Vector Flow : segmentation par surface active pour images multi-composantes. ORASIS - Journées francophones des jeunes chercheurs en vision par ordinateur, Jun 2013, Cluny, France. ⟨hal-00829425⟩
562 Consultations
380 Téléchargements

Partager

Gmail Facebook X LinkedIn More