Traitement des images médicales utilisant des fonctions fractales

Dans cet article, une comparaison a été faite entre une méthode modifiée pour la modélisation d'ingénierie répétée afin d'augmenter la précision des images médicales. Une comparaison a été faite entre différents types en termes de précision de classification. La caractéristique de lacunarité a également été utilisée pour réduire le rapport de bruit dans les images reçues. Les résultats ont montré l'importance des IFS fractals dans la compression des impulsions médicales, où un rapport de (98 %) a été obtenu dans la réduction du bruit et un rapport de (0,421) dans le coefficient d'écart a été obtenu. Cela a séparé les tissus malades des tissus sains en appliquant plusieurs facteurs multifractals. La compression d'images fractales dépend de la similarité subjective, une partie de l'image étant la même que l'autre partie d'une image similaire. Le codage partiel est constamment lié aux images en niveaux de gris en divisant une image couleur RGB en trois canaux - rouge, vert et bleu, et est compressé indépendamment en considérant chaque segment de couleur comme une image de niveaux de gris spécifique. Basé sur le réseau de neurones intelligent, les motifs sont distingués pour les images médicales utilisées avec peu de temps d'apprentissage et une erreur positive de 0,22 %.