Аннотация.

В статье рассматривается разработка алгоритма детектирования гиппокампа. Алгоритм базируется на математических основах принятия решения на базе нечеткой логики при использовании в качестве исходных данных результатов предварительной обработки изображений и результатов распознавания объектов на основе их эталонного описания. Результатом работы алгоритма является нахождение и вычисление необходимых параметров при диагностики болезни Альцгеймера.

Ключевые слова:

распознавание, гиппокамп, информатика, обработка изображений, болезнь Альцгеймера.

Стр. 23-32.

DOI 10.14357/20718632180403

Полная версия статьи в формате pdf. 

Литература

1. Яхно Н.Н., Захаров В.В., Локшина А.Б., Коберская Н.Н.: Деменции. Руководство для врачей. - Москва, 2011. – 243.
2. Afshan N., Qureshi S., Syed Mujtiba Hussain, Comparative study of tumor detection algorithms // Medical Imaging m-Health and Emerging Communication Systems 2014 International Conference on, pp. 251-256, 2014.
3. Hunnur S., Raut A., Kulkarni S., "Implementation of image processing for detection of brain tumors", Computing Methodologies and Communication (ICCMC) 2017 International Conference on, pp. 717-722, 2017.
4. Kapoor L., Thakur S., "A survey on brain tumor detection using image processing techniques", Cloud Computing Data Science & Engineering - Confluence 2017 7th International Conference on, pp. 582-585, 2017.
5. Udupa J., Saha P., "Fuzzy Connectedness and Image Segmentation", Proceedings of the IEEE, vol. 91, 2003.
6. Gridin, V.N. Automatic analysis of the quantitative characteristics of the hippocampus in magnetic resonance imaging of the brain for the diagnosis of possible Alzheimer's disease / V.N. Gridin, M.I Trufanov, V.I Solodovnikov, V.S Panischev, V.E. Sinitsyn, N. N. Yakhno // Radiology-Practice, 2017. - №6. - From. 42-67.
7. Chupin M., Gerardin E., Cuingnet R. et al. Fully automatic hippocampus segmentation and classification in Alzheimer's disease and mild cognitive impairment applied on data from ADNI. Hippocampus 2009; 19:579-87.
8. Singh A., Singh K., “A Study of Image Segmentation Algorithms for Different Types of Images”, International Journal of Computer Science Issues, vol. 7, Issue 5, pp 414-417, 2010.
9. Mustaqeem A., Ali Javed, Fatima T., “An Efficient Brain Tumor Detection Algorithm Using Watershed & Thresholding Based Segmentation”, I.J. Image, Graphics and Signal Processing, vol. 10, no. 5, pp 34-39, 2012.
10. Mankikar S.S., “A Novel Hybrid Approach Using Kmeans Clustering and Threshold filter For Brain Tumor Detection”, International Journal of Computer Trends and Technology, vol. 4, no.3, pp 206-209,2013.
11. Ali S.M., Loay Kadom Abood, and Rabab Saadoon Abdoon, “Brain Tumor Extraction in MRI images using Clustering and Morphological Operations Techniques”, International Journal of Geographical Information System Application.
12. Cuingnet R., Gerardin E., Tessieras J. et al. Automatic classification of patients with Alzheimer's disease from structural MRI: A comparison of ten methods using the ADNI database // NeuroImage. 2011. №56. p. 766–781.