中国医学装备

2019, v.16;No.179(07) 37-41

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于先验知识和模糊C均值聚类算法的脑部磁共振图像分割研究
Study on the image segmentation of brain MR based on clustering algorithm of PIGFCM

张玉柱;王传兵;

摘要(Abstract):

目的:提出一种基于先验知识引导的模糊C均值算法(PIGFCM),并将其应用于脑部磁共振(MR)图像分割。方法:采用基于高斯分布的图像先验知识获取初始聚类中心;采用改进PIGFCM聚类算法进行图像分割,得到MR脑部分割图像;采用Dice相似性系数、均方根误差(RMSE)和平均耗时评价不同算法的分割效果。结果:对于人工合成的脑部MR图像分割算法所得的Dice相似性系数可达0.87~0.98,平均耗时降低了0.17~0.81倍。对于临床实例MR图像分割算法所得脑白质和灰质的Dice相似性系数较其他算法分别提升12.8%~16.6%和1.1%~40.4%,RMSE下降了0.63~0.94倍,平均耗时降低了0.08~0.75倍。结论:提出PIGFCM算法收敛速度快,较其他常见模糊算法获得更高的分割精度、更强的抗噪性和更快的分割速度,是一种可行的脑部MR图像分割算法。

关键词(KeyWords): 脑部磁共振成像;图像分割;先验知识;模糊C均值;高斯分布

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 张玉柱;王传兵;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享