一种基于 k-means 聚类和半监督学习的医学图像分割算法

• 作者: 陶俊才 黄伟
• 来源期刊: 南昌大学学报（理科版）
• 学科: 工学
• 关键词: 聚类 相似度函数 半监督学习 图像分割
• 年，卷（期）: 2014,（1）
• 页码范围: 31-35
• 页数: 5页
• 分类号: TP751
• 字数: 5196字
• 语种: 中文

摘要

医学图像分割是计算机视觉和图像处理领域近年来研究的热点问题之一。一种基于 k-means 聚类和半监督学习的医学图像分割新算法被提出。在 k-means 聚类模型中，相似度函数是关系到聚类效果好坏的关键因素。所使用的相似度函数通过基于 side-information 的半监督学习方法来确定；确定后的相似度函数又被运用回 k-means 聚类模型中来实现对医学图像的分割。为了检验该算法效果，脑部肿瘤患者的磁共振图像被运用在实验中。分析结果表明：该算法在本文所采用的实例中能获得优于传统算法的分割效果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陶俊才	南昌大学信息工程学院	41	316	8.0	16.0
2	黄伟	南昌大学信息工程学院	36	135	6.0	9.0