Resumen

El estudio de trastornos cerebrales requiere una segmentación precisa de tejidos en imágenes de resonancia magnética (RM) del cerebro, lo cual es muy importante para detectar tumores, edema y tejidos necróticos. La segmentación de imágenes cerebrales, especialmente en tres tipos principales de tejidos: Líquido Cefalorraquídeo (LCR), Materia Gris (MG) y Materia Blanca (MB), tiene un papel importante en la neurocirugía asistida por computadora y en el diagnóstico. Las imágenes cerebrales suelen contener ruido, inhomogeneidad de intensidad y límites débiles. Por lo tanto, la segmentación precisa de imágenes cerebrales sigue siendo un área desafiante de investigación. Este artículo presenta una revisión de algoritmos de agrupamiento de fuzzy -means (FCM) para la segmentación de imágenes de RM cerebral. La revisión cubre el análisis detallado de algoritmos basados en FCM con corrección de inhomogeneidad de intensidad y robustez al ruido. También se discuten diferentes métodos para la modificación de

• Materias:Sistemas lineales difusos Reglas difusas Conjuntos borrosos Sistema de bobinado
• Subjects:Linear fuzzy systems Fuzzy rules Fuzzy sets Winding system
• Palabras claves:Estudio; Trastornos cerebrales; Segmentación de tejidos; Resonancia magnética; Imágenes de RM; Tumores; Edema; Tejidos necróticos; Líquido cefalorraquídeo; Materia gris; Materia blanca; Neurocirugía asistida por computadora; Diagnóstico; Ruido; Inhomogeneidad de intensidad; Fronteras débiles; área desafiante; Investigación; Algoritmos de agrupamiento de medias difusas; Segmentación; Función objetivo difusa.
• Keywords:Study; Brain disorders; Tissue segmentation; Magnetic resonance; MR images; Tumors; Edema; Necrotic tissues; Cerebrospinal fluid; Gray matter; White matter; Computer aided neurosurgery; Diagnosis; Noise; Intensity inhomogeneity; Weak boundaries; Challenging area; Research; Fuzzy -means clustering algorithms; Segmentation; Fuzzy objective function.