北京生物醫(yī)學(xué)工程

基于FCM聚類算法的MRI腦組織圖像分割方法比較研究

A comparative study for MRI brain image segmentation based on FCM clustering algorithm

作者：王新寧林相波袁珍

單位：                                 大連理工大學(xué)電子信息與電氣工程學(xué)部（遼寧大連116024）            

關(guān)鍵詞：磁共振成像；腦組織分割；FCM算法；噪聲；偏移場

分類號：

出版年·卷·期（頁碼）：2015·34·3（221-228）

摘要：

目的磁共振成像(magnetic resonance imaging, MRI)對腦組織有較好的成像效果，但噪聲、偏移場和部分容積效應(yīng)(partial volume effect, PVE)的存在，使得全自動分割MRI圖像面臨一定的困難。模糊C均值(fuzzy C-means, FCM)聚類算法在腦組織分割中得到較廣泛研究。本文以存在噪聲和偏移場影響的腦MRI圖像分割為應(yīng)用背景，研究了大量相關(guān)方法，探討FCM算法分割腦部圖像的改進思想。方法本文主要研究了9種FCM算法的理論基礎(chǔ)，并通過腦組織分割實驗對各種算法進行了分析。結(jié)果比較了不同算法的優(yōu)劣，給出各類算法直觀及定量評價結(jié)果。結(jié)論偏移場和噪聲對腦磁共振圖像組織分類質(zhì)量有明顯影響。其中幾種方法可以減弱這些不利影響，但由于難以選擇合適的參數(shù)，其分類效果并不理想。如何合理利用空間信息在未來仍有較大研究價值。

Objective Magnetic resonance imaging (MRI) provides high resolution for brain tissue, yet the presence of noise, bias field, and partial volume effect (PVE), make automatic segmentation of MRI image a challenge task. Fuzzy C-means (FCM) clustering algorithm is widely studied these years. This paper investigates different variants of FCM methods for brain tissue segmentation and explores its improvement, especially in the presence of noise and bias field in MRI images. Methods Nine variants of FCM methods are analyzed theoretically first. Then brain tissue segmentation experiments are done to evaluate these algorithms’ performance. Results We compare the merits of different algorithms and give the qualitative and quantitative results. Conclusions Bias field and noise degrade the classification quality apparently. Though certain methods have the abilities to decrease the influence of noise and bias field, the difficulty of choosing the optimum parameters hinders their performance. Reasonable utilization of spatial information has research value in the future.

參考文獻：

服務(wù)與反饋：

【文章下載】【加入收藏】

提示：您還未登錄，請登錄！點此登錄

51黑料吃瓜在线观看,51黑料官网|51黑料捷克街头搭讪_51黑料入口最新视频