Close
Metadata

@InProceedings{BeltrameJúTeSaLoRo:2018:AlSeBi,
               author = "Beltrame, Fernanda S. and J{\'u}nior, Joao Aurelio Francisco and 
                         Ten{\'o}rio, Lucas B. de Oliveira and Santos, Ricardo M. and 
                         Lopes, Guilherme Alberto W. and Rodrigues, Paulo S{\'e}rgio 
                         Silva",
          affiliation = "{Centro Universit{\'a}rio FEI} and {Centro Universit{\'a}rio 
                         FEI} and {Centro Universit{\'a}rio FEI} and {Centro 
                         Universit{\'a}rio FEI} and {Centro Universit{\'a}rio FEI} and 
                         {Centro Universit{\'a}rio FEI}",
                title = "Algoritmos de Segmenta{\c{c}}{\~a}o Bio-Inspirados Aplicados a 
                         Imagens Medicas de Ultrassom e fMRI",
            booktitle = "Proceedings...",
                 year = "2018",
               editor = "Ross, Arun and Gastal, Eduardo S. L. and Jorge, Joaquim A. and 
                         Queiroz, Ricardo L. de and Minetto, Rodrigo and Sarkar, Sudeep and 
                         Papa, Jo{\~a}o Paulo and Oliveira, Manuel M. and Arbel{\'a}ez, 
                         Pablo and Mery, Domingo and Oliveira, Maria Cristina Ferreira de 
                         and Spina, Thiago Vallin and Mendes, Caroline Mazetto and Costa, 
                         Henrique S{\'e}rgio Gutierrez and Mejail, Marta Estela and Geus, 
                         Klaus de and Scheer, Sergio",
         organization = "Conference on Graphics, Patterns and Images, 31. (SIBGRAPI)",
            publisher = "Sociedade Brasileira de Computa{\c{c}}{\~a}o",
              address = "Porto Alegre",
             keywords = "Image segmentation, bio-inspired algorithms, medical imaging, 
                         Human Connectome Project.",
             abstract = "A {\'a}rea m{\'e}dica {\'e} uma das que mais demanda e consome 
                         o desenvolvimento de novas tecnologias. Entre os m{\'e}todos mais 
                         desafiadores est{\'a} a segmenta{\c{c}}{\~a}o pr{\'e}via de 
                         imagens m{\'e}dicas em pipelines para diversas 
                         aplica{\c{c}}{\~o}es. Uma das t{\'e}cnicas mais utilizadas 
                         {\'e} a otimiza{\c{c}}{\~a}o de solu{\c{c}}{\~o}es, que 
                         recentemente tem sido realizada com algoritmos bio-inspirados. 
                         Tais solu{\c{c}}{\~o}es alcan{\c{c}}aram grande sucesso, 
                         produzindo o aparecimento de diversos algoritmos novos que, 
                         inspirados no comportamento natural de muitas especies, conseguem 
                         alcan{\c{c}}ar solu{\c{c}}{\~o}es pr{\'o}ximas a 
                         solu{\c{c}}{\~o}es for{\c{c}}a-bruta, mas com um tempo 
                         computacional bem baixo e aceit{\'a}vel. Entre os algoritmos mais 
                         recentes, est{\~a}o o Krill Herd (KH), Cuckoo Search (CS) e 
                         Elephant Herding Optimization (EHO). O presente trabalho 
                         prop{\~o}e a utiliza{\c{c}}{\~a}o dos algoritmos recentes de 
                         otimiza{\c{c}}{\~a}o KH, CS e EHO em duas bases de imagens 
                         medicas. Os resultados indicam que os tr{\^e}s algoritmos 
                         apresentam performances similares, com o EHO obtendo a melhor 
                         performance dentre os tr{\^e}s.",
  conference-location = "Foz do Igua{\c{c}}u, PR, Brazil",
      conference-year = "Oct. 29 - Nov. 1, 2018",
             language = "pt",
                  ibi = "8JMKD3MGPAW/3S3ALA2",
                  url = "http://urlib.net/rep/8JMKD3MGPAW/3S3ALA2",
           targetfile = "paper-cc5661-grupo.pdf",
        urlaccessdate = "2020, Dec. 04"
}


Close