高斯混合模型融合SSC的脑部MR图像分割

• 作者: 黎远松
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 半监督学习 k-均值聚类 高斯混合模型 磁共振脑部图像 统计学参数
• 年，卷（期）: 2015,（7）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 70-73,78
• 页数: 5页
• 分类号: TP391
• 字数: 5516字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2015.07.016

摘要

针对脑补核磁共振图像分割问题,提出一种基于高斯混合模型融合半监督聚类方法.首先,从原始数据集随机选取MR图像切片;然后,利用k-均值算法聚类;最后,利用统计学和所得聚类的类标签信息完成分类.实验结果表明,该方法加快了收敛速 度.相比两种有监督高斯混合模型,该方法取得了更好的分割结果,且无需标记训练数据集.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黎远松	四川理工学院计算机学院	40	95	6.0	8.0