Análisis comparativo de funciones de pertenencia para la clasi cación de tumores en imágenes de resonancia magnética
La lógica difusa de nida como la lógica del razonamiento incierto, impreciso o aproximado, proporciona un sistema que permite la representación y procesamiento de los conceptos que las personas expresan, para procesar y manipular sistemas que no pueden ser resueltos mediante métodos simples o matemá...
Saved in:
Main Author: | |
---|---|
Other Authors: | |
Format: | Trabajo recepcional licenciatura |
Language: | spa |
Published: |
Universidad Autónoma de Ciudad Juárez
2018
|
Subjects: | |
Online Access: | http://hdl.handle.net/20.500.11961/4255 |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
Summary: | La lógica difusa de nida como la lógica del razonamiento incierto, impreciso o aproximado, proporciona un sistema que permite la representación y procesamiento de los conceptos que las personas expresan, para procesar y manipular sistemas que no pueden ser resueltos mediante métodos simples o matemáticamente conocidos [1]. Este tipo de lógica es utilizada cuando se tienen sistemas ambiguos o se necesita el conocimiento de un experto; debido a esto, la lógica difusa forma parte en diversas industrias,
tales como: la industria de electrodomésticos, automotriz, de manufactura, procesamiento de imágenes, entre muchas otras. En el área de procesamiento de imágenes médicas, y en particular la segmentación de tumores en imágenes de resonancia magnética, la lógica difusa es ahora una de las herramientas de gran aplicación al aportar razonamientos más complejos a la lógica clásica, con lo cual es posible incorporar en los algoritmos el conocimiento de un experto al momento de la evaluación del problema. Dicho lo anterior, es basta la aplicación de la lógica difusa en el área de segmentación de tumores en imágenes médicas, debido a que la forma, tamaño, localización y apariencia es inde nida; además que sus intensidades pueden estar superpues- tas con los tejidos normales del cerebro, añadiendo ambigüedad en la segmentación. |
---|