结合二维灰度直方图与PCNN的医学图像多类分割

• 作者: 常谦 施俊 钟瑾
• 来源期刊: 北京生物医学工程
• 学科: 医学
• 关键词: 图像多类分割 脉冲耦合神经网络 二维灰度直方图 类内最小离散度
• 年，卷（期）: 2011,（1）
• 页码范围: 26-31
• 分类号: TP391.4|R318.04
• 字数: 5211字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-3208.2011.01.06

摘要

针对医学图像中对组织器官多类分割的要求,提出一种结合二维灰度直方图的脉冲耦合神经网络(pulse coupled neural networks,PCNN)图像多类分割算法.首先根据PCNN模型的局部连接作用和阈值衰减特性对图像进行多类分割,然后利用基于类内最小离散度的二维直方图算法计算出PCNN网络迭代时的最佳门限值,从而实现医学图像的多类分割.通过对仿真的正常颅脑和非正常的颅脑核磁共振图像进行测试,结果显示本PCNN图像多类分割算法能够有效地分割出核磁共振颅脑图像中不同脑组织.因此,本文算法具有应用于医学图像的多类分割的可行性,并提高计算机辅助分割医学图像的准确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	施俊	上海大学通信与信息工程学院	36	309	8.0	17.0
2	钟瑾	上海大学通信与信息工程学院	8	42	4.0	6.0
3	常谦	上海大学通信与信息工程学院	5	18	3.0	4.0