Contribution à la segmentation d'images médicales par les algorithmes bio-inspirés

Abstract

Dans le cadre de cette thèse, nous avons focalisé notre étude sur la segmentation automatique des images IRM cérébrales par les algorithmes bio-inspirés.Parmis les méthodes non supervisés présentées, nous nous sommes intéressés à l'algorithme de c-moyennes floues (FCM). Cet algorithme a été largement appliqué. au regard de son adaptation at son efficacité à traiter des données imprécises et incertaines. Cependant, son inconvénient majeur est lié à l'initialisation aléatoire des centres de classes qui provoque une convergence prématurée et bloque FCM dans des minima locaux. Afin d'amiliorer davantage les performances de FCM, nous avons proposé une nouvelle méthode d'nitialisation, basée sur l'algorithme d'optimisation par essaim de particules PSO.Notre contribution s'articule autour de deux étapes principales. La premiére consiste à reformuler le probléme de la segmentation en un probléme d'optimisation,par ma définition d'une nouvelle fonction objectif qui cherche les meilleurs centres de classes.