基于空间域模糊聚类与CV模型的医学图像分割

• 作者: 张玉玺 许敏 贺松
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 医学图像分割 空间域模糊C均值聚类 初始轮廓 CV模型
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 专题设计与应用
• 页码范围: 236-239,245
• 页数: 5页
• 分类号: TP391.41
• 字数: 3479字
• 语种: 中文

摘要

针对CV模型分割图像时存在的分割精度低及对初始轮廓敏感等问题,提出一种CV模型结合空间域模糊C均值聚类(Spatial fuzzy C-means,SFCM)的图像分割算法(SFCM-CV),用于边界不清晰、存在伪影且含有高噪声的MRI及CT图像分割.在利用空间域模糊C均值聚类算法对图像进行粗分割的基础上,用聚类信息来辅助CV模型设定初始轮廓,迭代演化分割出目标区域.实验结果表明,当迭代次数仅为50时,SFCM-CV算法分割人脑MRI图像的Dice系数为89.17％,比传统CV模型提高了38.9％.可知该算法对医学图像的区分度更高、分割效果更好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	贺松	贵州大学医学院	39	155	6.0	10.0
2	许敏	贵州大学医学院	2	1	1.0	1.0
3	张玉玺	贵州大学医学院	3	4	1.0	1.0