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素的模糊隶属度取值,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MR T1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.

Segmentation of multiple sclerosis lesions in brain magnetic resonance images with modified fuzzy C-means algorithm