首页 > 文献资料
-
一种基于模糊核聚类的脑部磁共振图像分割算法
目的 针对普通模糊核聚类算法(kernel fuzzy c-means clustering algorithm,KFCM)存在的随机选择初始聚类中心的问题,本文提出一种根据直方图得到确定的初始聚类中心的模糊核聚类算法,以更快速地分割脑部磁共振图像.方法 首先利用区域生长法和形态学方法对原始脑部磁共振图像进行预处理,提取脑实质,然后计算出预处理图像的直方图,将直方图的4个峰值作为模糊核聚类的初始聚类中心,后利用模糊核聚类算法对脑实质进行分割.结果 本文算法能有效地提取出脑组织中的白质(white matter,WM)、灰质(grey matter,GM)和脑脊髓液(cerebral spinal fluid,CSF).与普通模糊核聚类算法相比,该算法的目标函数能更快地达到平稳,从而缩短运行时间.结论 本文算法与随机选择聚类中心的模糊核聚类算法相比,可减少迭代次数,更快地得到分割结果.
-
基于模糊核聚类的MR图像分割新算法
在传统的模糊聚类算法中引入了核函数,同时引入了控制邻域作用的约束项,提出了改进的基于模糊核聚类的MR图像分割新算法.通过对模拟图和仿真的脑部MR图像的分割实验,证明本算法可以有效地分割含有噪声的图像.
-
利用多谱图像分割多发性硬化症病灶的新方法
磁共振(MR)图像可以用来检测多发性硬化症(MS)患者的大脑病变.本文提出一种分割多谱MR图像中的MS病灶的自动方法.首先,将T1加权像减去同一断层的Pd加权像,获得脑脊液(CSF)增强的图像.然后,基于模糊核聚类(KFCM)算法,分别从增强图像和对应的T2加权像中分割出CSF图像和CSF合并MS图像.将CSF合并MS图像减去CSF图像获得MS初始图像.后采用中值滤波和单阈值分割对MS初始图像进行处理,得到MS病灶.分割方法用BrainWeb模拟图像进行了实验,并测试了Dice相似性系数(DSC)、灵敏度(Sens)、特异性(Spec)和准确性(Acc),得到较好的测试结果.
