基于先验知识和模糊C均值聚类算法的脑部磁共振图像分割研究

摘要：

目的:提出一种基于先验知识引导的模糊C均值算法(PIGFCM),并将其应用于脑部磁共振(MR)图像分割.方法:采用基于高斯分布的图像先验知识获取初始聚类中心;采用改进PIGFCM聚类算法进行图像分割,得到MR脑部分割图像;采用Dice相似性系数、均方根误差(RMSE)和平均耗时评价不同算法的分割效果.结果:对于人工合成的脑部MR图像分割算法所得的Dice相似性系数可达0.87～0.98,平均耗时降低了0.17～0.81倍.对于临床实例MR图像分割算法所得脑白质和灰质的Dice相似性系数较其他算法分别提升12.8％～16.6％和1.1％～40.4％,RMSE下降了0.63～0.94倍,平均耗时降低了0.08～0.75倍.结论:提出PIGFCM算法收敛速度快,较其他常见模糊算法获得更高的分割精度、更强的抗噪性和更快的分割速度,是一种可行的脑部MR图像分割算法.

关键词：脑部磁共振成像、图像分割、先验知识、模糊C均值、高斯分布

所属期刊栏目：16

分类号：R445.2(诊断学)

在线出版日期：2019-07-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：37-41