改进模糊C-均值分割算法在多发性硬化症MR脑部图像中的应用

背景：脑部MR图像是一种无纹理的图像,未被噪声污染的脑部MR图像的灰度值具有分片为常数的特点。因此,在聚类过程中灰度值有趋向于在同一个分割区域中相对接近的性质。目的：寻找一个能够自动分割多发性硬化症病灶的模糊C-均值改进方法,为临床对于多发性硬化症的判断提供更方便的工具。方法：考虑到脑部MR图像相邻象素属于同一分类的概率相近的特性,在迭代过程中对8邻域数据集进行滤波以降低噪声对聚类精度的影响,提出了一种改进的模糊C-均值聚类算法。就是将模糊C-均值聚类算法迭代过程中得到的灰度值看作一个数据集,用每个象素邻域象素的灰度值修正该象索的模糊隶属度取值,从而达到利用空间信息抑制噪声的目的。结果与结论：选取了10个多发性硬化症患者的脑部MRI图像进行试验。通过对多发性硬化症患者MRT1脑部图像和T2液体衰减反转回复脑部图像的分割实验,结果显示该算法能够有效分割多发性硬化症病灶,与其他方法所做的多发性硬化症病灶分割相比,本算法更易于实现,运算时间短,同时结果与临床医生的勾画比较重叠率较高,对其临床辅助诊断具有重要作用。     

点对称距离模糊C均值聚类算法在脑部MRI图像分割中的应用

背景:在传统的图像分割方法中,模糊C均值聚类算法应用十分广泛。目的:将改进的模糊C均值聚类算法应用到MRI图像的分割中,提高MRI图像分割的准确度。方法:针对传统的基于Minkowski距离的模糊C均值聚类算法,提出了基于点对称距离的模糊C均值聚类算法,并将其运用到了脑部MRI图像分割中。结果与结论:实验结果表明,与模糊C均值聚类算法相比,点对称距离的模糊C均值聚类算法有明显的优势。     

点对称距离模糊C均值聚类算法在脑部MRI图像分割中的应用

背景：在传统的图像分割方法中,模糊C均值聚类算法应用十分广泛。目的：将改进的模糊C均值聚类算法应用到MRI图像的分割中,提高MRI图像分割的准确度。方法：针对传统的基于Minkowski距离的模糊C均值聚类算法,提出了基于点对称距离的模糊C均值聚类算法,并将其运用到了脑部MRI图像分割中。结果与结论：实验结果表明,与模糊C均值聚类算法相比,点对称距离的模糊C均值聚类算法有明显的优势。     

Gibbs场先验参数估计在医学图像分割中的应用

背景:基于马尔科夫随机场的图像分割算法已经成为医学图像分割的重要方法,其中,Gibbs场先验参数的取值对分割精度有很大的影响.目的:根据脑部MR图像的成像特点,探讨Gibbs场先验参数的估计方法,从而提高图像分割的精度.方法:通过对脑部MR图像的统计分析,得到图像高斯噪声的方差与Gibbs场先验参数的对应关系.然后在基于马尔可夫随机场图像分割算法的迭代过程中,根据高斯分布的方差估计值,用插值方法估计Gibbs场先验参数.结果与结论:通过对模拟脑部MR图像和临床脑部MR图像分割实验,表明该方法比传统的设定Gibbs场先验参数为某一常数的方法有更精确的图像分割能力,并且实现了图像的自适应分割,具有方法简单、运算速度快、稳健性好的特点.     

模糊K-均值聚类算法及其在磁共振颅脑图像分割中的应用研究

目的　介绍一种动态模糊聚类算法并利用该算法对磁共振图像进行分割研究。方法　首先对磁共振颅脑图像进行预处理去掉颅骨和肌肉等非脑组织,只保留大脑组织,然后利用模糊Ｋ－ 均值聚类算法计算脑白质、脑灰质和脑脊液的模糊类属函数。结果　模糊Ｋ－ 均值聚类算法能很好地分割出磁共振颅脑图像中的灰质、白质和脑脊液。结论　利用模糊Ｋ－ 均值聚类算法分割磁共振颅脑图像能获得较好的分割效果。     

模糊K—均聚类算法及其在磁共振颅脑图像分割中的应用研究

目的 介绍一种动态模糊聚类算法并和该算法对磁共振图像进行分割研究。方法 首先对磁共振颅脑图像进行预处理去掉颅骨和肌肉等非脑组织,只保留大脑组织,然后利用模糊Ｋ－均值聚类算法计算脑白质、脑灰质和脑脊液的模糊类属函数。结果 模糊Ｋ－均值聚类算法能很好地分割出磁共振颅脑图像中的灰质、白质和脑脊液。结论 利用模糊Ｋ－均值聚类算法分割磁共振颅脑图像能获得较好的分割效果。     

一种基于ITK脑部MRI混合分割方法的设计与实现

背景:由于脑部MR图像中信息对比度不高,各种脑部组织的形状复杂等特点,分割方法的选择比较困难,单一的算法很难获得满意的分割结果。目的:针对脑部MRI的特点综合利用现有的算法开发和定制有效的分割应用算法。方法:根据邻域连接和Canny水平集分割算法的优缺点,结合图像特征,用邻域连接方法的分割结果作为Canny水平集分割算法的先验分割模型,借以确定出Canny算法的下限阈值,从而完成两种算法的混合分割。结果与结论:采用实验所用混合方法得到的白质和灰质的分割结果,经与专家手工分割结果对比,证明该方法取得了较好的分割效果,从而证明综合利用现有的算法,不仅避免了重复劳动,还能开发和定制出更加有效的分割应用算法,具备很好的应用潜力。     

一种基于ITK脑部MRI混合分割方法的设计与实现

背景：由于脑部MR图像中信息对比度不高,各种脑部组织的形状复杂等特点,分割方法的选择比较困难,单一的算法很难获得满意的分割结果。目的：针对脑部MRI的特点综合利用现有的算法开发和定制有效的分割应用算法。方法：根据邻域连接和Canny水平集分割算法的优缺点,结合图像特征,用邻域连接方法的分割结果作为Canny水平集分割算法的先验分割模型,借以确定出Canny算法的下限阈值,从而完成两种算法的混合分割。结果与结论：采用实验所用混合方法得到的白质和灰质的分割结果,经与专家手工分割结果对比,证明该方法取得了较好的分割效果,从而证明综合利用现有的算法,不仅避免了重复劳动,还能开发和定制出更加有效的分割应用算法,具备很好的应用潜力。     

基于小波的磁共振图像聚类分割

目的 利用直方图自适应确定人体不同部位MRI的聚类类别的数目和相应的初始聚类中心,实现模糊-c均值聚类算法(FCM)分割的自适应。方法 首先采用小波变换拟合直方图的平滑包络线,降低噪声对寻找包络线极值的影响;其次根据微积分的知识求出包络线极大值的个数,按照文中给出的法则对包络线的极大值进行筛选,确定直方图中峰值的个数;最后以直方图中峰值的个数为聚类类别数,以相应的峰值为初始聚类中心,对MRI进行FCM分割。结果 采用该方法对多幅腹部和脑部MR图像进行分割,均能有效地自适应确定聚类的个数。结论 本文方法能够有效、准确地确定不同MR图像的聚类类别的个数,实现FCM的自适应。     

基于数学形态学人脑MR图像感兴趣区域的提取

背景:在人脑MRI图像中感兴趣区域提取中,应用数学形态学方法取得了较好的效果,但是在抗噪性能和结构元素选取时存在一些不足之处,使得提取效果有缺陷.目的:在数学形态学的基础上,采用一系列改进的数学形态学方法,以期清晰完整地提取人脑MR图像中的感兴趣区域如脑脊液部位,为医学诊断提供准确信息.方法:首先采用复合形态学滤波去除脉冲和高斯噪声,用高低帽变换进行图像增强,然后用形态分水岭阈值分割提取脑部各成分,对分割出的脑脊液图像进行形态开闭滤波、边缘跟踪和灰度填充后,运用抗噪型边缘检测算子检测出清晰完整的脑脊液区域边缘,最后在原图像中用彩色标定,突出感兴趣区域.结果与结论:综合应用多种数学形态学算法,清晰完整地提取了人脑MRI图像中的感兴趣区域--脑脊液部位.经验证,该方法具有简单、快速、精度高、适用性强等特点.