基于K-Means及K-NN的磁共振颅脑图像分割初探
目的 对K-均值聚类(K-Means)和K-最近邻规则(K-NN)方法 在MR颅脑图像分割中的应用进行研究,分析二者优缺点并提出改进.方法 利用K-Means算法和K-NN算法对脑组织进行分割.为了减少人脑的劳动使算法自动进行,提出使用K-Means方法 提取K-NN方法 的训练样本.结果 K-Means与K-NN及改良后的K-NN算法(KMN)能很好地从大脑结构中分割白质(white matter,WM)、灰质(grey matter,GM)和脑脊液(cerebrospinal fluid,CSF).结论 实验表明K-Means与K-NN能快速有效地分割脑组织,改进后的K-NN方法 减少了人工参与,并能获得较好的分割效果.
磁共振脑图像、医学图像分割、K-均值聚类、K-最近邻规则
20
TP3;U49
复旦大学附属华东医院资助项目编号H-459
2011-05-26(万方平台首次上网日期,不代表论文的发表时间)
共4页
9-11,14