Publisher's Synopsis
I tassi di guarigione del tumore del rene variano a seconda dello stadio e del grado; di conseguenza, sono fondamentali procedure diagnostiche accurate per la diagnosi precoce e la diagnosi. Alcune difficoltà legate alla segmentazione manuale hanno reso necessario l'uso di modelli di deep learning per aiutare i medici a riconoscere e segmentare efficacemente il cancro. Le reti neurali convoluzionali probabilistiche (PCNN), in particolare le reti neurali convoluzionali, hanno ottenuto ottimi risultati nella classificazione e nella segmentazione delle immagini. In questo progetto, il filtraggio delle immagini di risonanza magnetica del rene viene effettuato utilizzando l'algoritmo Bilateral Anisotropic Diffusion Filter. La tecnica di preelaborazione proposta fornisce un elevato rapporto segnale/rumore di picco (PSNR) e un basso errore quadratico medio (MSE). Il miglioramento delle immagini di risonanza magnetica del rene viene effettuato utilizzando l'algoritmo Edge Preservation-Contrast Limited Adaptive Histogram Equalization (EP-CLAHE). L'EP-CLAHE viene utilizzato per migliorare il contrasto e la luminosità. La segmentazione delle immagini di risonanza magnetica dei reni viene effettuata utilizzando l'algoritmo Improved Fast Fuzzy C Means Clustering (IFFCMC). L'algoritmo IFFCMC viene utilizzato per segmentare i pixel del tumore al rene e sopprimere gli altri pixel dell'immagine RM del rene.
