基于高斯混合密度模型的医学图像聚类方法

• 作者: 宋余庆 王春红 谢从华 陈健美
• 来源期刊: 江苏大学学报（自然科学版）
• 学科: 工学
• 关键词: 医学图像 K均值聚类 高斯混合模型 QAIC信息准则 EM算法 贝叶斯准则
• 年，卷（期）: 2009,（3）
• 所属期刊栏目: 计算机与通信工程
• 页码范围: 293-296
• 页数: 4页
• 分类号: TP391.41
• 字数: 3197字
• 语种: 中文

摘要

研究了医学图像的聚类问题,提出一种基于高斯混合密度模型的K-EM聚类算法,并将此算法用于人体腹部图像数据,实现肝、肾、脾等主要器官的分类.在算法中,随机选取腹部图像像素数据,用QAIC信息准则确定训练样本的最佳类别数;用K均值聚类算法得到混合模型的初始参数;用期望最大(EM)算法多次迭代建立腹部图像数据的混合密度模型;运用贝叶斯准则,将腹部图像所有像素值划分到混合模型中相应的模型分支,得到每个器官像素值划分的正确率与误判率.试验结果表明,新算法分类的平均正确率高于85%、误判率低于10%,优于K均值算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋余庆	江苏大学计算机科学与通信工程学院	128	1213	20.0	29.0
2	谢从华	常熟理工学院计算机科学与工程学院	41	154	6.0	11.0
3	陈健美	江苏大学计算机科学与通信工程学院	47	426	11.0	18.0
4	王春红	江苏大学计算机科学与通信工程学院	3	40	3.0	3.0