基于邻域信息的改进模糊c均值脑MRI分割

• 作者: 何宏科 王燕
• 来源期刊: 计算机应用
• 学科: 工学
• 关键词: 模糊c均值聚类 磁共振影像 邻域信息 马尔可夫随机场 遗传算法
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 虚拟现实与多媒体计算
• 页码范围: 1196-1201
• 页数: 6页
• 分类号: TP751
• 字数: 6465字
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2019091539

摘要

在脑图像分割中,噪声或异常值的干扰往往会使得图像的质量下降.而传统的模糊c均值算法存在一定的缺限,容易受初始值的影响,这给医生准确识别和提取脑组织带来很大的麻烦.针对这些问题,提出一种基于用马尔可夫模型构建的图像像素点邻域的改进模糊c均值图像分割方法.首先,用遗传算法(GA)确定初始的聚类中心;然后,改变目标函数的表达方式,通过在目标函数中添加修正项来改变隶属度矩阵的计算方式,并用约束系数对其来调节;最后,由马尔可夫随机域来表达邻域像素的标号信息,并利用马尔可夫随机场(MRF)的最大化条件概率来表示像素的邻域,增强了抗噪性.实验结果显示,该方法拥有较好的抗噪性,可以降低误分割率,在对脑图像分割时具备较高的分割精度.分割后的图像平均精度可达:JS(Jaccard Similarity)指标为82.76％,Dice指标为90.45％,Sensitivity指标为90.19％;同时,对脑图像边界处的分割更加清晰,分割后的图像更加接近于标准分割图像.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王燕	兰州理工大学计算机与通信学院	61	433	12.0	17.0
2	何宏科	兰州理工大学计算机与通信学院	1	0	0.0	0.0