基于模糊C均值聚类的脑部MR图像分割算法研究
发布时间：2021-04-03 00:11
由于信息科学技术的迅猛发展,信息量呈爆炸式增长。而图像是人类获取信息的重要途径。在临床医学中,磁共振（Magnetic Resonance,MR）图像有着高对比度、高分辨率、多方位等优点,广泛应用于各类脑研究。为了有效提取图像中的关键信息,图像分割是图像处理中必不可少的环节。但是,由于脑部MR图像中存在着部分容积效应、灰度不均匀性以及噪声等缺陷,对其进行精确分割较为困难。基于模糊C均值聚类（Fuzzy C-Means,FCM）的图像分割算法是一类经典的算法,它能够较好地描述MR图像中存在的组织边界模糊等现象,因此在脑部MR图像中获得了较多应用,但其也存在易陷入局部最优、对噪声敏感等缺陷。本文重点对图像分割算法进行了研究,并做了如下工作。（1）本文通过对各类分割算法的分析,选择了模糊C均值聚类分割算法。针对该算法易陷入局部最优的缺陷,本文引入一个改进的量子粒子群算法（Improved Quantum Particle Swarm Optimization,IQPSO）,提出了基于IQPSO的模糊C均值聚类算法（Fuzzy C-Means based on IQPSO,FCMI<...
【文章来源】：南京邮电大学江苏省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
不同三维空间扫描方向示意图
（a）横断面 （b）矢状面 （c）冠状面图 1.2 三个不同方向的脑部 MR 图像 MR 图像除了具备一切 MRI 成像技术的基本特点，还具备一些无纹理，组。磁共振成像技术正是因为这些优点才成为目前研究脑部疾病的最好方法在临床医学中，将计算机技术和医学图像技术相结合，对脑部 MR 图像进理，并以此来协助医生进行定量分析、疾病诊断等有着重要意义[5]。目前经从观察组织结构、解剖结构，发展到应用现代技术分析医学图像数据、数分析以及提取特征等方面[6]。这些技术的发展，为医疗事业的发展注入医生诊断病情提供了量化分析和帮助。治病人时，精确分析医学图像是至关重要的，医学成像技术为医护人员进很大的帮助，它提供的准确图像数据可以大大降低误诊率，所以，医学图众多学者关注的重点领域[7]。医学图像分析的步骤里面包括图像分割、配而在其中，医学图像分割是一种至关重要的一项技术，在当前的临床辅助
究生学位论文 第二章 图邻两次聚类中心，计算它们的差值，若是比收敛精度 ε 算法结束，并且要输出最近一次的隶属度矩阵 U 和聚类达到设定的最大迭代次数（t>T）或者满足条件 max||Ut-U大隶属度原则，由式（2.9）确定各像素所属的类别，以的最后归属。式（2.9）中 Ck表示第 k 个样本点所属的(uik) i , kM 图像分割算法的流程图。
本文编号：3116222
【文章来源】：南京邮电大学江苏省
【文章页数】：63 页
【学位级别】：硕士
【部分图文】：
不同三维空间扫描方向示意图
（a）横断面 （b）矢状面 （c）冠状面图 1.2 三个不同方向的脑部 MR 图像 MR 图像除了具备一切 MRI 成像技术的基本特点，还具备一些无纹理，组。磁共振成像技术正是因为这些优点才成为目前研究脑部疾病的最好方法在临床医学中，将计算机技术和医学图像技术相结合，对脑部 MR 图像进理，并以此来协助医生进行定量分析、疾病诊断等有着重要意义[5]。目前经从观察组织结构、解剖结构，发展到应用现代技术分析医学图像数据、数分析以及提取特征等方面[6]。这些技术的发展，为医疗事业的发展注入医生诊断病情提供了量化分析和帮助。治病人时，精确分析医学图像是至关重要的，医学成像技术为医护人员进很大的帮助，它提供的准确图像数据可以大大降低误诊率，所以，医学图众多学者关注的重点领域[7]。医学图像分析的步骤里面包括图像分割、配而在其中，医学图像分割是一种至关重要的一项技术，在当前的临床辅助
究生学位论文 第二章 图邻两次聚类中心，计算它们的差值，若是比收敛精度 ε 算法结束，并且要输出最近一次的隶属度矩阵 U 和聚类达到设定的最大迭代次数（t>T）或者满足条件 max||Ut-U大隶属度原则，由式（2.9）确定各像素所属的类别，以的最后归属。式（2.9）中 Ck表示第 k 个样本点所属的(uik) i , kM 图像分割算法的流程图。
本文编号：3116222
本文链接：https://www.wllwen.com/linchuangyixuelunwen/3116222.html
最近更新
教材专著
