基于差分搜索优化最大类间方差的脑组织分割方法

发布时间：2021-08-31 14:16

　　目的 研究一种基于差分搜索的最大类间方差法,寻找多阈值对脑部磁共振图像进行有效分割。方法 通过BET（brain extraction tool）算法去除原始磁共振图像的非脑组织部分,使用BFC（best-fit with coalescing）算法去除强度不均匀性,使用差分搜索算法对图像进行最大类间方差寻优,找出最优阈值,从而对磁共振图像进行多阈值分割。使用BrainWeb提供的仿真磁共振脑部图像数据对方法进行验证。结果 对于不同噪声水平、强度不均匀性条件下的磁共振图像,所提出的基于差分搜索的最大类间方差法的分割效果均优于脑功能磁共振成像软件库（FSL）、统计参数图（SPM）和Brainsuite方法。结论 基于差分搜索的最大类间方差法有较好的分割精度与强健性,尤其对脑脊液有很好的分割效果。 

【文章来源】：国际生物医学工程杂志. 2019,(05)

【文章页数】： 页

【参考文献】：
期刊论文
[1]基于过滤引导及随机性策略的差分搜索算法[J]. 康志龙,张东婧,郭艳菊,张雪萍,陈雷.  燕山大学学报. 2017(03)
[2]图像阈值分割方法研究进展20年（1994—2014）[J]. 吴一全,孟天亮,吴诗婳.  数据采集与处理. 2015(01)



本文编号：3375039