基于模糊C均值聚类改进算法的脑部MR图像分割研究

• 作者: 宋方奔 张子齐 缪正飞
• 来源期刊: 中国医疗设备
• 学科: 医学
• 关键词: 模糊C均值 遗传算法 粒子群算法 MR图像分割
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 临床影像技术
• 页码范围: 71-75
• 页数: 5页
• 分类号: R445.2
• 字数: 4242字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-1633.2019.02.020

摘要

目的 提出一种基于邻域隶属度参数优化的模糊C均值(Fuzzy C-Means,FCM)聚类改进算法,并用于脑部MR图像分割.方法 首先,采用遗传算法、粒子群优化算法和联合算法计算隶属度函数最佳参数,然后采用此隶属度函数优化FCM聚类算法相似度函数,最后根据改进的FCM聚类算法分割脑部MR图像.图像分割精确性评价指标采用假阴性率、假阳性率、分割错误率和相似性系数.结果 选用不同FCM算法对包含噪声的人工合成图像和临床实例MR图像进行仿真实验.定性分析显示本文提出的FCM聚类改进算法获得分割图像能保留更多的边缘和细节信息;定量评价显示基于本文提出的FCM改进算法获得的分割假阴性率(0.0058％～4.28％)、假阳性率(0.0182％～20.15％)和错误率(0.0085％～7.15％)均最小,相似性系数高达92.65％.结论 联合使用遗传算法和粒子群优化算法能获得最佳隶属度参数,基于此改进的FCM聚类算法能有效克服噪声造成的局限性,提高脑部MR图像分割精准度,具有较高的临床应用价值.