改进的K-均值聚类算法及其在脑组织分割中的应用

• 作者: 王晓飞 王远军 聂生东
• 来源期刊: 中国医学物理学杂志
• 关键词: SOM神经网络 K-均值聚类算法 磁共振图像 脑组织 分割
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 医学影像物理与临床
• 页码范围: 4760-4764
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1005-202X.2014.02.010

摘要

目的:鉴于K-均值聚类算法易受初始聚类中心的影响,初始聚类中心不仅影响聚类速度,还可能使算法陷入局部极小值,得到错误的聚类结果,基于SOM神经网络,提出了一种改进的K-均值聚类算法并将其应用于脑实质分割.方法:首先,由SOM神经网络对图像进行初始聚类,得到k个聚类中心值;然后,以SOM神经网络获得的k个聚类中心值作为K-均值聚类算法的初始聚类中心对图像进行k-均值聚类,最终获得图像的聚类分割结果.结果:基于SOM神经网络的K-means聚类算法的分割精度为0.9274,K-means聚类算法的分割精度为0.8649.结论:利用改进的K-均值聚类算法对磁共振脑部图像进行了分割实验,结果表明该算法有效改善了K-means聚类算法初始聚类中心选取的盲目性,使聚类结果更为准确、稳定,取得了比单一方法更好的分割结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	聂生东	上海理工大学医学影像工程研究所	113	754	15.0	22.0
2	王远军	上海理工大学医学影像工程研究所	66	239	9.0	12.0
3	王晓飞	上海理工大学医学影像工程研究所	7	7	2.0	2.0