Resumen

Propusimos un nuevo marco de trabajo de segmentación multiphase basado en la teoría estocástica y la teoría de transición de fase. Nuestra principal contribución radica en la introducción de una función construida de modo que su composición con la función de fase forme funciones de pertenencia. De esta manera, se ahorra espacio de memoria y también se evita el problema general de restricción simplex para segmentaciones suaves. Luego, el marco de trabajo se aplica a la segmentación de volúmenes parciales. Aunque la segmentación de volumen parcial en este documento se centra en imágenes de resonancia magnética cerebral, el marco propuesto puede aplicarse a cualquier segmentación que contenga volumen parcial causado por resolución limitada y superposición.

• Materias:Probabilidad Colectiva Minería de datos Algoritmo de evolución Computación evolutiva Sistemas neuronales
• Subjects:Collective probability Data mining Evolutionary algorithm Evolutionary Computation Neural systems
• Palabras claves:Marco de trabajo; Segmentación; Teoría estocástica; Teoría de transición de fase; Funciones de pertenencia; Volumen parcial
• Keywords:Framework; Segmentation; Stochastic theory; Phase transition theory; Membership functions; Partial volume