基于自适应云模型的多模态脑部图像融合方法

• 作者: 李伟生 王国胤 肖斌 赵佳
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 云模型理论 核磁共振成像 脑部图像融合 评价指标
• 年，卷（期）: 2016,（11）
• 所属期刊栏目: 图形图像与模式识别
• 页码范围: 291-296,封3
• 页数: 7页
• 分类号: TP391
• 字数: 5040字
• 语种: 中文
• DOI: 10.11896/j.issn.1002-137X.2016.11.056

摘要

多模态医学图像融合通过提取并综合不同模态的医学图像信息,获得对病灶部位更加清晰、全面、准确、可靠的图像描述,为医生对疾病的诊断和合理治疗方案的制定提供可靠的依据.云模型理论是认知科学研究的新成果,具有兼顾随机性和模糊性的优点,在图像融合中的应用较少.借助云模型理论将来自不同模态的MRI(核磁共振成像)脑部图像、MRI与PET(正电子发射断层成像)、MRI与SPECT(单光子发射断层成像)脑部图像进行融合.首先,根据脑部图像自身的灰度直方图特征,对灰度直方图进行拟合;然后,由拟合曲线的谷值点划分区间并通过逆向云发生器自适应地生成云模型;最后,设计云推理规则,得到融合后的图像.实验结果表明,相比传统融合方法,所提方法融合后的图像脑部特征更清晰,激活区域更明显,在主观融合效果与客观评价指标方面均有很大的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王国胤	重庆邮电大学计算智能重庆市重点实验室	212	6947	36.0	79.0
2	李伟生	重庆邮电大学计算智能重庆市重点实验室	61	404	12.0	16.0
3	肖斌	重庆邮电大学计算智能重庆市重点实验室	18	48	4.0	6.0
4	赵佳	重庆邮电大学计算智能重庆市重点实验室	1	0	0.0	0.0