首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 765 毫秒

1.  基于多尺度连接模型的脑MRI模糊分类  
   裴红利  喻罡  邓振生《计算机工程》,2010年第36卷第4期
   针对传统分割方法在分割数量上的限制,以及模糊聚类方法在层次优化上的不足,提出一种有效的基于多尺度连接模型的人脑磁共振图像模糊分类算法。对脑磁共振图像进行灰度不均匀性校正后,该方法通过非线性扩散连接模型引入尺度间的模糊约束,定义2个模糊距离,并应用到模糊聚类算法中,组合尺度间和尺度内的模糊约束,给出一个多分辨模糊聚类框架。实验结果表明了该算法的准确性和有效性。    

2.  基于超椭球模糊聚类的人脑磁共振图象分割  被引次数:2
   梁夷龙      夏绍玮  王子罡《软件学报》,1998年第9卷第9期
   通常使用的聚类分割方法认为样本的分布是超球形的,然而,这并不符合人脑磁共振MR(magnetic resonance)图象的真正特点.针对这一缺陷,提出了一种基于超椭球模糊聚类的人脑MR图象分割方法.实验结果表明,这种分割方法能有效地将人脑MR图象分割为灰质和白质两种组织,并具有较高的效率和分割精度.    

3.  基于核聚类算法和模糊Markov随机场模型的脑部MR图像的分割  被引次数:2
   廖亮  林土胜《中国图象图形学报》,2009年第14卷第9期
   为了更有效地对被噪声污染的脑部MR图像进行分割,提出了一种基于模糊核聚类和模糊Markov随机场的脑部MR图像分割算法。该算法在使用高斯径向基函数的核聚类目标函数中,引入了基于Markov随机场的补偿项,作为分割算法的空间约束。这种空间补偿项用Gibbs分布描述,实际上是一种归一化的核函数,其和用来度量灰度特征的核函数的形式是相似的,并且这种空间约束利用了分割结果的模糊信息。这种基于核函数和Markov随机场模型的算法克服了传统聚类以及核聚类算法的缺陷,不仅提出了更加合理的空间约束, 而且改善了原有的分割模型,因此可以得到更加分段光滑的聚类结果。通过对合成图像、模拟MR图像以及临床MR图像进行的分割实验以及和标准分割结果的比较表明,该算法优于相关算法,可以有效地分割被污染的MR图像。    

4.  基于Gibbs场与模糊C均值聚类的脑MR图像分割  被引次数:3
   王顺凤  张建伟《计算机应用》,2008年第28卷第7期
   模糊C均值聚类是一种经典的非监督聚类模型,已成功用于很多领域。但该算法对图像噪声比较敏感。为此,利用Gibbs理论和图像结构信息构造各向异性Gibbs随机场,并将其引入到FCM框架中,完善其分类效果,使其在克服噪声影响的同时还能够保持细长拓扑结构区域信息以及角点区域信息。应用于脑MR图像分割,实验表明新算法可以得到较好的分类结果。    

5.  基于MS-FCM算法的MR图像分割方法  被引次数:1
   李彬  陈武凡《计算机工程》,2010年第36卷第16期
   针对传统模糊C-均值(FCM)聚类算法在分割低信噪比图像时准确性较差的问题,提出一种用于MR图像分割的改进算法MS-FCM。针对脑部MR图像相邻像素属于同一分类的模糊隶属度相近的特性,在迭代过程中对隶属度数据集进行滤波,以降低噪声对聚类精度的影响。模拟脑部MR图像和临床脑部MR图像的分割实验证明,该算法可以提高图像分割精度。    

6.  结合马尔可夫随机场与模糊C-均值聚类的脑MRI图像分割  被引次数:2
   佘黎煌  钟华  张石《中国图象图形学报》,2012年第17卷第12期
   脑磁共振成像(MRI)在临床上得到了大量的应用,准确分割脑组织结构可以提高脑疾病诊断的可靠性和治疗方案的有效性。模糊C-均值聚类(FCM)算法擅长解决图像中存在的模糊性和不确定性问题,是最常用的脑MRI分割方法。但因FCM仅利用图像灰度信息,没有考虑区域信息,导致其抗噪性能很差,常与区域信息结合进行改进。马尔可夫随机场(MRF)算法充分利用了图像区域信息,但容易出现过分割现象,因此FCM常与MRF进行结合改进。针对现有的FCM和MRF结合方式上存在的问题,提出了一种新型的自适应权值的FCM与MRF结合算法,用于脑MR图像分割。该算法利用了图像邻域像素的区域相关性,自适应的更新联合场的权值,改进了现有的权值固定的结合方式,充分发挥了FCM和MRF各自的优势,使二者结合更加合理。实验结果表明,本文算法较FCM和现存的一些FCM改进算法有更强的抗噪声能力和更高的分割精度。    

7.  非局部降噪快速模糊C-均值聚类算法  
   李彬  陈武凡《计算机工程与应用》,2009年第45卷第35期
   传统的模糊C-均值聚类算法未利用图像的空间信息,在分割迭加了噪声的MR图像时分割精度较差。采用了既能有效去除噪声又能较好地保持图像边缘特征的非局部降噪方法,结合基于图像灰度直方图聚类分析的快速模糊C-均值聚类算法,得到了一种具有较高分割精度的图像快速分割算法。通过对模拟图像、仿真脑部MR图像和临床脑部MR图像的分割实验,表明提出的新算法比已有的快速模糊C-均值聚类算法有更精确的图像分割能力。    

8.  一种基于边界和区域的MRI脑图像分割方法  
   杨晖  虞闯《沈阳理工大学学报》,2006年第25卷第3期
   应用一种基于多分辨率边缘检测、区域选择和取灰度阈值相结合的方法实现了MR I(磁共振成像)脑图像的分割,得到了脑白质(WM)、脑灰质(GM)和脑脊液(CSF)的组织结构.并且针对该方法对模糊、不均匀的MR I脑图像分割时可能出现的问题进行了分析,提出采用动态阈值法对其进行改进,实验结果表明改进方法对模糊和不均匀图像,能得到较好的分割结果.    

9.  广义模糊Gibbs随机场与MR图像分割算法研究  被引次数:8
   颜刚  陈武凡  冯衍秋《中国图象图形学报》,2005年第10卷第9期
   为了对图像进行准确、可靠的分割,提出了一种基于广义模糊集的软分割算法,并将广义模糊集和G ibbs场结合起来,提出了广义模糊G ibbs随机场模型,同时建立了广义模糊G ibbs分割(GFGS)算法。该算法是首先把每一个分割类看作是广义模糊类,并以最大后验概率(MAP)为判别准则来决定每一个像素值的归类以及它属于该类的隶属度;然后用广义隶属度函数中负的部分来刻划数据中的异常值,使得该算法能有效地处理异常值;最后用该模糊类的质心来更新类的中心,并以人脑的仿真图像和临床MR图像进行了实验。实验结果表明,该算法能有效地滤除噪声和处理部分容积效应,是一个分割能力强、稳健性好的算法。    

10.  基于模糊马尔可夫场的脑部MR图像分割算法  
   李彬  陈武凡  颜刚《计算机工程与应用》,2007年第43卷第7期
   在传统马尔可夫场模型的基础上,建立了模糊马尔可夫场模型。通过对模型的分析得出图像像素对不同类的隶属度计算公式,提出了一种高效、无监督的图像分割算法,从而实现了对脑部MR图像的精确分割。通过对模拟脑部MR图像和临床脑部MR图像分割实验,表明新算法比传统的基于马尔可夫场的图像分割算法和模糊C-均值等图像分割算法有更精确的图像分割能力。    

11.  基于边缘竞争模糊水平集的脑部磁共振图像自动分割  
   赵雯典  邓振生《计算机应用》,2013年第33卷第9期
   针对脑部磁共振(MR)图像分割时容易出现的受噪声影响大和边缘定位模糊问题,提出一种以基于核函数的增强模糊C均值(RFCMK)算法结果为先验知识的边缘竞争水平集自动分割方法.首先采用RFCMK算法对图像进行预分割;然后对预分割后的各子类图像进行阈值化处理,并将其边缘作为水平集演化的初始轮廓;最后采用引入竞争机制的边缘指示器对各部分边缘进行演化.该方法对模拟图像不同层切面的分割实验表明,基于面积和基于边缘的评估统计值范围分别为[0.91,0.95]和[0.05,0.22].对噪声图像的实验结果表明该方法能够有效地抑制噪声对分割结果的影响.    

12.  基于灰度直方图的MR脑组织的提取方法  
   朱冠菲  徐永秋  米红妹  朱建明《计算机测量与控制》,2017年第25卷第11期
   根据脑磁共振图像(Magnetic Resonance Imaging,MRI)的灰度直方图中不同峰值对应不同的脑组织灰度分布的特点,提出了一种基于灰度直方图提取MR图像中脑组织的方法。首先,为了克服传统方法主观选择门限阈值等方面的不足,利用多项式曲线拟合灰度直方图获取区域生长门限阈值确定最优种子点,并结合形态学重构方法进行颅骨分离,对脑MR图像进行了预处理。然后,结合K均值聚类算法通过对灰度直方图多峰值的选取确定初始聚类中心,将颅骨剥离后的脑组织图像高效、精确地细化分割出脑脊液、灰质、白质。文中分别使用了模拟脑MRI数据以及真实脑部MRI数据进行测试,对分类结果进行定性、定量的分析,并与模糊C均值算法进行比较。结果表明,该方法提高了提取脑组织的工作效率和准确度。    

13.  基于局部熵最小化的核磁共振脑图像二次分割算法  被引次数:1
   车娜  车翔玖  高占恒  王钲旋《计算机研究与发展》,2010年第47卷第7期
   医学图像分割在医学图像处理,尤其是在临床诊断的核磁共振图像分析中起着重要的作用.偏移场的存在使核磁共振脑图像中的局部统计特性发生变化,这成为自动化分割的一个主要障碍.为了克服偏移对分割造成的影响,提出了一种基于局部熵最小化的核磁共振脑图像二次分割算法.首先采取基于组织的分块算法和局部熵最小化以获得脑图像分割的聚类块,再以每个聚类块为中心进行动态搜索;利用模糊C均值算法对每个搜索窗口进行分割.将所有分割结果与原始聚类块的分割结果进行比较,对满足二次分割条件的像素进行二次分割.模拟数据和真实数据的实验结果表明,提出的二次分割方法准确、可靠.    

14.  带偏场校正和邻域约束的快速MR脑组织分割新方法  
   李伟  陈武凡《电子学报》,2010年第38卷第8期
    由于部分容积效应(PVE)、图像的偏场(INU)和噪声的存在,脑组织磁共振(MR)图像自动准确的分割是一项具有挑战性的任务.本文提出了一个准确度高并快速鲁棒的二维(2D)和三维(3D)分割算法来将脑部MR图象分割为白质(WM)、灰质(GM)和脑脊液(CSF)三种主要的解剖组织类型.该算法在标准模糊C-均值算法(FCM)的基础上提出了一个新的目标函数,包含偏场校正和邻域约束.在该算法中,采用参数模型表示INU,并且一个类似马尔可夫随机场(MRF)的邻域约束来表示脑组织空间分布一致性信息.本文给出了该算法的模拟和真实脑MR图像的分割结果,同时与其它算法进行了比较.比较结果显示该算法具有较高的准确度和较快的收敛速度.    

15.  模式识别.自动分割图像新方法研究*  
   卢易苏  陈武凡《计算机应用研究》,2012年第29卷第3期
   提出一种采用非参数Dirichlet过程混合模型实现图像自动分割的算法。该方法在图像分割时不需要对分类数进行初始化,具有在分割过程中自动获得图像分类数的特点。模型中使用有控制参数的随机变量来代替聚类数,通过调整参数来指定聚类数的范围。使用该算法对具有高噪声的自然图像和临床磁共振图像进行分割实验,并与其他分割算法进行比较。实验结果显示本算法抗噪声性能强,且可以抑制磁共振图像分割过程中的偏场效应。准确度分析显示,图像分割结果的Dice相似性系数均高于90%,表明提出的新算法具有很高的精确性和鲁棒性。    

16.  基于多目标规划的模糊C均值聚类算法  被引次数:1
   王丹丹  李彬  陈武凡《中国图象图形学报》,2008年第13卷第8期
   模糊C均值聚类算法(FCM)是一种非常经典的非监督聚类技术,已被广泛地应用到医学图像分割。由于传统的FCM聚类算法在分割图像时仅利用了图像的灰度信息,未利用图像的空间信息,在分割叠加了噪声的磁共振(MR)图像时分割效果不理想。考虑到脑部MR图像真实的灰度值具有分片为常数的特性,按照合理利用图像空间信息的原则,对传统的FCM聚类算法进行了改进,引入多目标规划的概念,提出了一种新的,更加合理的应用图像空间信息的聚类算法。实验结果表明,应用该算法可以有效地分割含有噪声的图像。    

17.  概率加权测地距离的脑部MR图像超像素分割  
   赵赟晶  周元峰  魏广顺  辛士庆  高珊珊《计算机辅助设计与图形学学报》,2019年第5期
   超像素是一种重要的图像过分割,因为医学图像具有边界模糊、不同组织的灰度范围互相重叠的特点,为超像素分割带来极大困难.针对脑部MR图像超像素生成问题,从脑部MR图像的特点出发,充分利用脑部MR图像表达先验知识,结合脑部MR图像的一般结构,定义每个像素属于脑组织中一个类别的概率,并基于分类概率提出一种有效的边界梯度计算方法;在此基础上,提出一种概率密度加权的测地距离脑部MR图像超像素分割算法;最后应用模糊C均值聚类算法作为后续分割处理,获得脑部MR图像的组织分类.与现有算法在分割性能上进行定量比较的实验结果表明,文中算法能够产生更准确的分割边界.    

18.  一种新的用于MR脑图像分割的主动轮廓模型  被引次数:3
   栾红霞  戚飞虎《仪器仪表学报》,2004年第25卷第Z1期
   主动轮廓模型是一种有效的基于边缘的分割方法,然而,在MR脑图像的应用中,它却遇到了许多问题,例如背景复杂,同一解剖结构的灰度分布不一致以及边界不连续等.这里提出了一种新的用于MR脑图像分割的主动轮廓模型.该模型不仅利用关于目标轮廓的先验知识对切片的边缘吸引力场进行边缘约束,减少相邻结构对曲线收敛的影响,还对进行边缘约束之后得到的边缘吸引力场进行正则化处理,增强模型对凹边缘的搜索能力和对断裂边缘正确提取的能力.实验证明,该模型可以克服传统主动轮廓模型在MR脑图像遇到的难题,从而快速有效地在MR脑图像中提取目标轮廓.    

19.  结合空间信息的核FCM人脑MR图像分割  
   刘威  谭台哲《广东电脑与电讯》,2010年第5期
   传统的模糊C均值聚类算法(FcM)广泛应用于图像分割。但FCM算法容易陷入局部最优,且对噪声敏感。提出用种子填充和形态学的方法对人脑图像进行颅骨剔除,用内核引导的距离代替欧式距离,并利用空间信息,提出结合空间信息的核FCM人脑MR分割算法。实验表明该算法有很好的分割效果,对噪声具有较强的鲁棒性。    

20.  高清一体化PET/MRI脑图像分割对比研究  
   李再升  胡凌志  陈群《核技术》,2019年第10期
   一体化正电子发射断层成像(Positron Emission Tomography,PET)/磁共振成像(Magnetic Resonance Imaging,MRI)是将PET和MRI有机整合成一体的新型多模态医学影像系统,结合了MRI系统的软组织高分辨率与多参数多功能成像特性和PET系统的放射性示踪剂代谢高灵敏度以及数据定量化特性,常用于脑神经疾病的诊断。在PET/MRI脑部扫描中,脑区分割对脑图像定量研究具有重要的意义。目前行业通用的方法是基于脑图谱的分割方法,该方法既可以用于MRI图像也可以应用于PET图像。在一体化PET/MRI的临床科研中,由于PET和MRI图像同时采集、配准精度高,因此只需选取PET或者MRI图像进行基于图谱的分割,再将分区映射到另一模态图像即可。通过对比实验,将基于PET和MRI两种不同的图谱方案得到的脑区分割结果进行准确性比较。实验结果显示:基于PET的分割结果与金标准的平均dice值为0.64,而基于MRI的分割结果的平均dice值为0.74,表明利用MRI图像进行配准得到的脑区分割结果更精确。    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号