模糊K-均值聚类算法及其在磁共振颅脑图像分割中的应用研究

目的　介绍一种动态模糊聚类算法并利用该算法对磁共振图像进行分割研究。方法　首先对磁共振颅脑图像进行预处理去掉颅骨和肌肉等非脑组织,只保留大脑组织,然后利用模糊Ｋ－ 均值聚类算法计算脑白质、脑灰质和脑脊液的模糊类属函数。结果　模糊Ｋ－ 均值聚类算法能很好地分割出磁共振颅脑图像中的灰质、白质和脑脊液。结论　利用模糊Ｋ－ 均值聚类算法分割磁共振颅脑图像能获得较好的分割效果。     

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。     

点对称距离模糊C均值聚类算法在脑部MRI图像分割中的应用

背景:在传统的图像分割方法中,模糊C均值聚类算法应用十分广泛。目的:将改进的模糊C均值聚类算法应用到MRI图像的分割中,提高MRI图像分割的准确度。方法:针对传统的基于Minkowski距离的模糊C均值聚类算法,提出了基于点对称距离的模糊C均值聚类算法,并将其运用到了脑部MRI图像分割中。结果与结论:实验结果表明,与模糊C均值聚类算法相比,点对称距离的模糊C均值聚类算法有明显的优势。     

点对称距离模糊C均值聚类算法在脑部MRI图像分割中的应用

背景：在传统的图像分割方法中,模糊C均值聚类算法应用十分广泛。目的：将改进的模糊C均值聚类算法应用到MRI图像的分割中,提高MRI图像分割的准确度。方法：针对传统的基于Minkowski距离的模糊C均值聚类算法,提出了基于点对称距离的模糊C均值聚类算法,并将其运用到了脑部MRI图像分割中。结果与结论：实验结果表明,与模糊C均值聚类算法相比,点对称距离的模糊C均值聚类算法有明显的优势。     

蚁群算法在磁共振图像分割中的应用

研究一种智能的图像分割方法并且把这种分割方法应用到磁共振的图像分割中,对目前应用的图像分割方法进行比较后提出了一种基于蚁群的磁共振图像分割方法。最后将算法应用到颅脑磁共振的图像分割当中,实验结果表明新算法具有很强的噪声和模糊边界的检测能力。该算法的提出对磁共振研究和临床应用都有很大的理论和实践意义。     

改进模糊C-均值分割算法在多发性硬化症MR脑部图像中的应用

背景：脑部MR图像是一种无纹理的图像,未被噪声污染的脑部MR图像的灰度值具有分片为常数的特点。因此,在聚类过程中灰度值有趋向于在同一个分割区域中相对接近的性质。目的：寻找一个能够自动分割多发性硬化症病灶的模糊C-均值改进方法,为临床对于多发性硬化症的判断提供更方便的工具。方法：考虑到脑部MR图像相邻象素属于同一分类的概率相近的特性,在迭代过程中对8邻域数据集进行滤波以降低噪声对聚类精度的影响,提出了一种改进的模糊C-均值聚类算法。就是将模糊C-均值聚类算法迭代过程中得到的灰度值看作一个数据集,用每个象素邻域象素的灰度值修正该象索的模糊隶属度取值,从而达到利用空间信息抑制噪声的目的。结果与结论：选取了10个多发性硬化症患者的脑部MRI图像进行试验。通过对多发性硬化症患者MRT1脑部图像和T2液体衰减反转回复脑部图像的分割实验,结果显示该算法能够有效分割多发性硬化症病灶,与其他方法所做的多发性硬化症病灶分割相比,本算法更易于实现,运算时间短,同时结果与临床医生的勾画比较重叠率较高,对其临床辅助诊断具有重要作用。     

改进模糊C-均值分割算法在多发性硬化症MR脑部图像中的应用

背景:脑部MR图像是一种无纹理的图像,未被噪声污染的脑部MR图像的灰度值具有分片为常数的特点.因此,在聚类过程中灰度值有趋向于在同一个分割区域中相对接近的性质.目的:寻找一个能够自动分割多发性硬化症病灶的模糊C-均值改进方法,为临床对于多发性硬化症的判断提供更方便的工具.方法:考虑到脑部MR图像相邻象素属于同一分类的概率相近的特性,在迭代过程中对8邻域数据集进行滤波以降低噪声对聚类精度的影响,提出了一种改进的模糊C-均值聚类算法.就是将模糊C-均值聚类算法迭代过程中得到的灰度值看作一个数据集,用每个象素邻域象素的灰度值修正该象素的模糊隶属度取值,从而达到利用空间信息抑制噪声的目的.结果与结论:选取了10个多发性硬化症患者的脑部MRI图像进行试验.通过对多发性硬化症患者MR T1脑部图像和T2液体衰减反转回复脑部图像的分割实验,结果显示该算法能够有效分割多发性硬化症病灶,与其他方法所做的多发性硬化症病灶分割相比,本算法更易于实现,运算时间短,同时结果与临床医生的勾画比较重叠率较高,对其临床辅助诊断具有重要作用.     

基于期望值最大化方法的磁共振图像人脑组织分割

目的利用期望值最大化方法进行磁共振图像的人脑组织分割。方法在分析当前常用的医学图像分割方法的基础上,提出一种基于统计理论的期望值最大化分割方法,并给出了相应的理论算法模型和实现步骤,最后用Visual C 6.0编程,并对磁共振大脑图像进行实验,并与应用SPM软件对同一幅图像的分割结果进行分析比较。结果本文分割方法与SPM软件的分割结果非常接近,大脑灰质、白质、脑脊液等组织之间边界清晰,总体不确定性较小。结论本文分割方法切实可行,分割效果较好,为进一步的磁共振图像分析和疾病研究提供了一种有效工具。     

基于小波的磁共振图像聚类分割

目的 利用直方图自适应确定人体不同部位MRI的聚类类别的数目和相应的初始聚类中心,实现模糊-c均值聚类算法(FCM)分割的自适应。方法 首先采用小波变换拟合直方图的平滑包络线,降低噪声对寻找包络线极值的影响;其次根据微积分的知识求出包络线极大值的个数,按照文中给出的法则对包络线的极大值进行筛选,确定直方图中峰值的个数;最后以直方图中峰值的个数为聚类类别数,以相应的峰值为初始聚类中心,对MRI进行FCM分割。结果 采用该方法对多幅腹部和脑部MR图像进行分割,均能有效地自适应确定聚类的个数。结论 本文方法能够有效、准确地确定不同MR图像的聚类类别的个数,实现FCM的自适应。     

一种改进的模糊核聚类算法

针对传统模糊核聚类算法当数据类差别很大时,小数据类被误分或被大数据类吞并的缺陷,提出了一种改进的模糊核聚类算法;通过定义一个新的目标函数,为每一个类分配了一个动态权值,可改善聚类效果.文中给出的MRI图像分割算例表明了该算法的有效性.     

基于自动策略的脑图像分割

目的脑图像分割在外科手术规划和脑疾病诊断等方面都起着极为重要的作用,建立脑图像分割的自动策略成为一种需要。方法通过各向异性滤波,统计阈值分割,数学形态学滤波,和基于模糊连接算法对脑图像进行自动分割。结果实验表明这种分割策略能取得良好的分割结果。结论本文提出的算法可以有效地完成脑图像的自动分割工作。     

基于形态和灰度特征的乳腺肿瘤B超图像识别

目的为B超诊断乳腺肿瘤建立计算机辅助诊断手段,以降低活检数以及提高诊断的准确性和客观性.方法通过提取良性和恶性肿瘤B超图像的形态特征和灰度特征,包括傅立叶描述子,粗糙度和前后场回声比,组成特征矢量,再用k-均值聚类算法对特征矢量进行分类处理.结果 k-均值聚类算法对良性肿瘤的识别率为89.85%,对恶性肿瘤的识别正确率达78.26%.结论本文中建立的方法能较肉眼更精确地反映良性和恶性肿瘤B超图像的特征,如果再结合医生的临床经验能大大提高乳腺肿瘤的诊断准确性.     

一种基于形态学方法优化的种子填充算法及其在脑组织CT影像自动分割中的应用

医学图像的自动组织分割技术已经成为一种迫切的需求和发展趋势。本文将图像腐蚀和膨胀应用到基本种子填充算法中，提出了一种优化的种子填充分割算法，并应用于脑组织CT影像自动分割中。在进行种子选取时，利用腐蚀方法去除种子噪声，使种子的选取达到最优化。对分割后的图像借助膨胀方法消除空白点，使图像更平滑、清晰。实验证明了该方法的有效性。     

磁共振多模态影像在脑胶质瘤诊断及其分级中的应用分析

多模态磁共振是将不同功能的磁共振技术融合到为患者进行诊断和检查的一种新兴颅脑成像技术。由于具有精确度高,图像分辨率高,检查侵入性低等优势,同时还可以提供颅脑组织解剖、脑部代谢、细胞功能等信息,多模态磁共振技术已被广泛的运用到各种脑组织病变和神经疾病的诊断和治疗中。本文重点综述了多模态磁共振在诊断脑胶质瘤和对其进行分级中的应用。     

模糊聚类支持向量机在步态分类中的应用

背景：对于患有神经系统或骨骼肌肉系统疾病的患者,分析步态数据可以评定康复程度,制定治疗方案。如何有效地分类小样本步态数据成为重要的研究课题。目的：用改进的支持向量机算法对小样本步态数据进行分类,准确诊断疾病。方法：建立加入模糊C均值聚类的支持向量机算法,选用Gait Dynamics in Neuro-Degenerative Disease Data Base40～59岁年龄段的6组数据,共720个样本数据,采用左摆间隔和左支撑间隔两维参数对步态数据建模。数据归一化后,通过模糊C均值聚类对数据进行预处理;然后用支持向量机对数据进行分类。采用不同核函数的支持向量机算法验证分类能力。结果与结论：实验结果表明,利用改进的支持向量机算法,可以有效地对信号进行分类,有助于疾病的诊断和治疗方案的制定。     

模糊聚类支持向量机在步态分类中的应用

背景:对于患有神经系统或骨骼肌肉系统疾病的患者,分析步态数据可以评定康复程度,制定治疗方案。如何有效地分类小样本步态数据成为重要的研究课题。目的:用改进的支持向量机算法对小样本步态数据进行分类,准确诊断疾病。方法:建立加入模糊C均值聚类的支持向量机算法,选用Gait Dynamics in Neuro-Degenerative Disease Data Base40～59岁年龄段的6组数据,共720个样本数据,采用左摆间隔和左支撑间隔两维参数对步态数据建模。数据归一化后,通过模糊C均值聚类对数据进行预处理;然后用支持向量机对数据进行分类。采用不同核函数的支持向量机算法验证分类能力。结果与结论:实验结果表明,利用改进的支持向量机算法,可以有效地对信号进行分类,有助于疾病的诊断和治疗方案的制定。     

脑功能磁共振图像中Nyquist伪影的处理方法研究

Nyquist伪影是功能磁共振成像过程中产生的一种特有的伪影,使图像信噪比下降,并对图像的可视化及功能定位产生不利影响.尽可能地消除Nyquist伪影,无论对于改善图像的视觉效果,还是对后续的功能定位分析和可视化都具有重要意义.目前对Nyquist伪影还没有有效的处理方法.本文根据功能磁共振图像本身的信息,首次提出一种基于模糊聚类技术的Nyquist伪影的处理方法,能比较有效地消除Nyquist伪影.     

3.0T磁共振诊断外伤后脑脊液循环障碍的临床价值

目的 探讨运用3.0 T磁共振诊断外伤后脑脊液循环障碍的临床价值.方法 收集本院65例脑外伤后脑脊液压力明显升高患者,采用MRI 2D-PC cine法序寰枢关节间隙水平测量患者的脑脊液流速、流量,同时运用2D-TOF法获得颅脑静脉窦图像,然后对脑脊液的流速与脑脊液压力进行相关性分析.并对流速明显改变患者多次回访,观察...     

基于分水岭算法的交互式三维分割方法

背景：在临床中准确对人体组织进行三维分割能提高临床诊断的准确性,但传统的分水岭算法存在过度分割问题,难以实现人体组织的三维分割。目的：为准确三维分割人体组织,减少图像中伪极小值点对图像分割的影响,提出了一种基于控制标记符分水岭的交互式三维分割方法。方法：提取CT序列图像的内部和外部标记符,以此修正梯度图像并进行分割;在此基础上,根据序列图像上下层的相似性,利用人机交互进行组织结构的三维分割。首先在第一张序列图像上手工选取感兴趣区域上的一个点,借助同一组织在连续CT序列图像上面积的重叠关系即可从三维序列图上提取出感兴趣区域。结果与结论：基于控制标记符的分水岭算法解决了直接应用梯度图像进行分割的过度分割问题,便于进一步分割图像。利用基于分水岭算法的交互式三维分割方法得到的三维分割结果经过三维可视化后可清晰、准确地反映组织的三维特征。     

基于分水岭算法的交互式三维分割方法

背景:在临床中准确对人体组织进行三维分割能提高临床诊断的准确性,但传统的分水岭算法存在过度分割问题,难以实现人体组织的三维分割.目的:为准确三维分割人体组织,减少图像中伪极小值点对图像分割的影响,提出了一种基于控制标记符分水岭的交互式三维分割方法.方法:提取CT 序列图像的内部和外部标记符,以此修正梯度图像并进行分割;在此基础上,根据序列图像上下层的相似性,利用人机交互进行组织结构的三维分割.首先在第一张序列图像上手工选取感兴趣区域上的一个点,借助同一组织在连续CT 序列图像上面积的重叠关系即可从三维序列图上提取出感兴趣区域.结果与结论:基于控制标记符的分水岭算法解决了直接应用梯度图像进行分割的过度分割问题,便于进一步分割图像.利用基于分水岭算法的交互式三维分割方法得到的三维分割结果经过三维可视化后可清晰、准确地反映组织的三维特征.