Segmentierung und Extraktion von MR-Bildern mit PCNN

Unter Bildsegmentierung versteht man die Aufteilung eines Bildes in eine endliche Anzahl von semantisch nicht überlappenden Regionen. In medizinischen Anwendungen ist sie ein grundlegender Prozess in den meisten Systemen, die die medizinische Diagnose, chirurgische Planung und Behandlung unterstützen. Im Allgemeinen wird dieser Prozess von Klinikern manuell durchgeführt, was zeitaufwändig und mühsam sein kann. Um dieses Problem zu lösen, wurde eine Reihe von interaktiven Segmentierungsmethoden vorgeschlagen. Pulse Coupled Neural Networks (PCNN) ist ein selbstorganisierendes Netzwerk, das kein Training erfordert. Das Netzwerk wurde durch Simulation der Aktivitäten der Neuronen der Sehrinde von Säugetieren aufgebaut. Das PCNN unterscheidet sich von anderen Techniken durch seinen synchronen gepulsten Ausgang, den einstellbaren Schwellenwert und die kontrollierbaren Parameter. Das visuelle Kortexsystem von Säugetieren bildete das Rückgrat für die Entwicklung von PCNN. Der visuelle Kortex von Katzen und Meerschweinchen half bei der Entwicklung einiger digitaler Modelle. Im medizinischen Bereich wird an Bildsegmentierungstechniken unter Verwendung von PCNN geforscht. Dieses Buch beschreibt ein umfassendes Konzept für die Segmentierung von MR-Bildern auf der Grundlage von pulsgekoppelten neuronalen Netzen.