Published November 1, 2013
| Version v1
Publication
Open
AMELIORATE FUZZY C-MEANS: AN AMELIORATE FUZZY C-MEANS CLUSTERING ALGORITHM FOR CT-LUNG IMAGE SEGMENTATION
Description
Effective and efficient image segmentation acts as a preliminary stage for the computer-aided diagnosis of medical images.For image segmentation, many FCM-based clustering techniques have been proposed.Regrettably, the existing FCM technique does not generate accurate and standardized segmentation results.This is due to the noise present in the image as well as the random initialization of membership values for pixels.To address this issue, this study has enhanced the existing FCM technique and proposed a technique named Ameliorate FCM (AFCM).Initially, the given image is preprocessed to remove the noise using the Contrast Limited Adaptive Histogram Equalization (CLAHE) technique.The preprocessed image is given as input to a Bayesian classifier to classify the images into two set namely normal and abnormal using a Hybrid feature selection method.The classified images are given as input to the proposed segmentation technique, which overcomes the drawbacks of existing FCM technique.Here, the membership value of the pixels of an image is standardized and clustered to segment the regions.Experiments are carried out using lung images to determine the efficiency of the proposed technique.Results of the experiment show that the proposed technique outperforms the existing FCM technique.
Translated Descriptions
⚠️
This is an automatic machine translation with an accuracy of 90-95%
Translated Description (Arabic)
يعمل تجزئة الصور الفعالة والكفؤة كمرحلة أولية للتشخيص بمساعدة الكمبيوتر للصور الطبية. بالنسبة لتجزئة الصور، تم اقتراح العديد من تقنيات التجميع القائمة على FCM. للأسف، لا تولد تقنية FCM الحالية نتائج تجزئة دقيقة وموحدة. ويرجع ذلك إلى الضوضاء الموجودة في الصورة بالإضافة إلى التهيئة العشوائية لقيم العضوية للبكسل. لمعالجة هذه المشكلة، عززت هذه الدراسة تقنية FCM الحالية واقترحت تقنية تسمى تحسين FCM (AFCM). في البداية، تتم معالجة الصورة المعطاة مسبقًا لإزالة الضوضاء باستخدام تقنية معادلة الرسم البياني التكيفي المحدود (CLAHE). يتم إعطاء الصورة التي تمت معالجتها مسبقًا كإدخال في مصنف Bayesian لتصنيف الصور إلى مجموعتين هما العادية وغير الطبيعية باستخدام طريقة اختيار الميزة الهجينة. يتم إعطاء الصور المصنفة كإدخال في تقنية التجزئة المقترحة، والتي تتغلب على عيوب تقنية FCM الحالية. هنا، يتم توحيد قيمة عضوية وحدات البكسل للصورة وتجميعها لتقسيم المناطق. يتم إجراء التجارب باستخدام صور الرئة لتحديد كفاءة التقنية المقترحة. تظهر نتائج التجربة أن التقنية المقترحة تتفوق على تقنية FCM الحالية.Translated Description (French)
Une segmentation d'image efficace et efficiente agit comme une étape préliminaire pour le diagnostic assisté par ordinateur des images médicales. Pour la segmentation d'image, de nombreuses techniques de clustering basées sur la FCM ont été proposées. Malheureusement, la technique FCM existante ne génère pas de résultats de segmentation précis et standardisés. Cela est dû au bruit présent dans l'image ainsi qu'à l'initialisation aléatoire des valeurs d'appartenance pour les pixels. Pour résoudre ce problème, cette étude a amélioré la technique FCM existante et a proposé une technique appelée Amélioration de la FCM (AFCM). Initialement, l'image donnée est prétraitée pour éliminer le bruit à l'aide de la technique CLAHE (Contrast Limited Adaptive Histogram Equalization). L'image prétraitée est fournie en entrée à un classificateur bayésien pour classer les images en deux ensembles, à savoir normal et anormal à l'aide d'une méthode de sélection de caractéristiques hybrides. Les images classées sont fournies en entrée de la technique de segmentation proposée, qui surmonte les inconvénients de la technique FCM existante. Ici, la valeur d'appartenance des pixels d'une image est normalisée et regroupée pour segmenter les régions. Les expériences sont effectuées à l'aide d'images pulmonaires pour déterminer l'efficacité de la technique proposée. Les résultats de l'expérience montrent que la technique proposée surpasse la technique FCM existante.Translated Description (Spanish)
La segmentación de imágenes efectiva y eficiente actúa como una etapa preliminar para el diagnóstico asistido por computadora de imágenes médicas. Para la segmentación de imágenes, se han propuesto muchas técnicas de agrupamiento basadas en FCM. Lamentablemente, la técnica FCM existente no genera resultados de segmentación precisos y estandarizados. Esto se debe al ruido presente en la imagen, así como a la inicialización aleatoria de los valores de membresía para los píxeles. Para abordar este problema, este estudio ha mejorado la técnica FCM existente y ha propuesto una técnica llamada Ameliorate FCM (AFCM). Inicialmente, la imagen dada se procesa previamente para eliminar el ruido utilizando la técnica de Ecualización de Histograma Adaptativo de Contraste Limitado (CLAHE). La imagen preprocesada se da como entrada a un clasificador bayesiano para clasificar las imágenes en dos conjuntos, a saber, normal y anormal, utilizando un método de selección de características híbrido. Las imágenes clasificadas se dan como entrada a la técnica de segmentación propuesta, que supera los inconvenientes de la técnica FCM existente. Aquí, el valor de membresía de los píxeles de una imagen se estandariza y se agrupa para segmentar las regiones. Los experimentos se llevan a cabo utilizando imágenes pulmonares para determinar la eficiencia de la técnica propuesta. Los resultados del experimento muestran que la técnica propuesta supera la técnica FCM existente.Files
ajassp.2013.1439.1447.pdf.pdf
Files
(243.1 kB)
| Name | Size | Download all |
|---|---|---|
|
md5:0600482167166e30258c500c5db69435
|
243.1 kB | Preview Download |
Additional details
Additional titles
- Translated title (Arabic)
- تحسين C - MEANS الغامضة: تحسين خوارزمية تجميع C - MEANS الغامضة لتجزئة صورة CT - LUNG
- Translated title (French)
- AMÉLIORER LES C-MEANS FLOUS : UN ALGORITHME DE CLUSTERING C-MEANS FLOU AMÉLIORÉ POUR LA SEGMENTATION D'IMAGE CT-LUNG
- Translated title (Spanish)
- MEJORAR LOS C-MEANS DIFUSOS: UN ALGORITMO DE AGRUPAMIENTO DE C-MEANS DIFUSOS PARA LA SEGMENTACIÓN DE IMÁGENES CT-LUNG
Identifiers
- Other
- https://openalex.org/W2043560078
- DOI
- 10.3844/ajassp.2013.1439.1447
References
- https://openalex.org/W1573861128
- https://openalex.org/W1997663254
- https://openalex.org/W2004023255
- https://openalex.org/W2026462585
- https://openalex.org/W2058882693
- https://openalex.org/W2097751986
- https://openalex.org/W2127831489
- https://openalex.org/W2131065627
- https://openalex.org/W2139602474
- https://openalex.org/W2158191309
- https://openalex.org/W2162859851
- https://openalex.org/W38768489