首页 > 文献资料
-
一种新颖的MR脊柱图像自动分割算法研究
目的 本文提出一种新颖的基于模糊C均值聚类分割算法,并运用于MR脊柱图像分割.方法 首先采用各向异性扩散滤波器对MR脊柱原始图像进行预处理,其次采用核密度估计方法确定模糊C均值聚类的初始聚类中心值;然后采用模糊C均值聚类算法初步分割图像,后运用形态学操作从肌肉背景中提取脊椎图像.并选用Dice系数和Hausdorff距离评估分割质量.结果 比较不同算法的MR脊柱分割图像,定性分析显示模糊C均值聚类算法对图像边缘保存完整,定量评估结果表明模糊C均值聚类算法能获得大的Dice相似性系数和小的Hausdorff距离.结论 模糊C均值聚类算法是一种可行的MR脊柱分割算法,较其他算法具有更好的鲁棒性和精确性.
-
基于模糊C均值聚类算法的蒙医方剂类别划分方法研究
目的 采用模糊C均值聚类(FCM)和硬C均值聚类(HCM)算法对蒙医方剂进行类别划分,探讨2种聚类算法的合理性.方法 选取《传统蒙药与方剂》中治疗赫依病的27首蒙医方剂,进行数据预处理.采用MS Visual Studio 2010平台,使用C#语言进行开发,分别运用WindowFrom、WPF技术实现汉、蒙文版本.采用FCM和HCM算法按3、4、5、6个类对数据进行聚类分析.结果 所有相异数不为零的分类都存在包含现象,2种聚类算法得到的分类结果中药物不存在交叉.与HCM算法比较,FCM算法的分类结果中各类样本数量差较小,即分类较均匀.结论 2种算法均正确合理,其中FCM算法具有更好的聚类效果,可广泛应用于蒙医方剂分析,为新药研制提供数据支持.
-
基于模糊聚类和改进C-V模型的冠状动脉图像分割方法
目的 提出一种基于模糊聚类和改进C-V模型的新型图像分割方法,以精准和快速地提取冠状动脉CT血管造影图像中的冠脉轮廓.方法 首先对原始冠脉CT造影图像进行预处理;然后利用模糊C均值聚类算法进行预分割,将获得的隶属矩阵和聚类信息耦合进改进的C-V模型中,完成对冠脉图像的分割;后定性和定量分析本文模型与其他两种传统模型对冠脉CT造影图像的分割结果.结果 定性分析结果显示,本文模型以较少的迭代次数完成了对冠脉轮廓的提取,对细小复杂的组织具有较强的分割能力,目标边缘光滑.定量分析结果显示,本文模型迭代200次耗时11.722 s、重叠率83.42%,迭代400次耗时16.493 s、重叠率85.13%.结论 结合模糊聚类的改进C-V模型能以较少迭代次数完成对冠脉轮廓的提取,具有分割速度快、抗噪能力强、目标边缘光滑等特点.该方法可以用于冠脉的分割,并为后续冠脉图像的三维重建研究提供参考.
-
智能肝肿瘤CT图像分割
提出了一种智能肝肿瘤CT图像分割的新方法.该方法将医学专家的高层知识融合到图像分割算法中,使算法具有智能性,能够更加准确、快速地实现分割.根据医学图像分割不同阶段的特点以及不同算法的适用性,结合了多尺度分水岭变换与模糊聚类方法,从总体上达到佳效果.将图像空间信息引入传统的基于灰度的模糊C均值聚类算法中,对传统的模糊C均值聚类算法的目标函数进行修正,推导出修正后算法的迭代公式,并证明了迭代的收敛性.对实际CT肝肿瘤图像的分割实验结果验证了所提方法的有效性.
-
基于模糊C均值聚类的儿科机械通气撤机时机研究
研究呼吸机撤机时机,提高撤机成功率.收集本院PICU在过去两年中发生机械通气撤机的病例1 061例,在完成数据标准化后,分为训练集样本和测试集样本,各样本集中撤机成功的定义为正常样本,反之为异常样本.应用模糊C均值聚类算法,对撤机时样本临床相关参数聚类分析,将所有的病例进行分类,以确定撤机失败病例所属的类别.训练集的样本总数为785,从聚类结果来看,第1类撤机失败病例数为O,第5类撤机失败病例比率为10.65％,是样本平均值的两倍.测试集的样本总数为276例,聚类结果和训练集类似,第1类撤机失败病例数为0,第5类撤机失败病例的比率高达15.79％,大于平均值的两倍.虽然正常样本和异常样本之间不易发现明显的界限区别,但大部分异常样本之间存在较为紧密的联系,个别类别撤机失败率远高于整体的平均水平.实验结果说明,异常样本之间存在一定的相似度,可以通过聚类分析获得其范围,从而为临床医生提供有效的撤机决策支持.
-
基于灰度积分投影与模糊C均值聚类的肺实质分割
提出一种基于灰度积分投影与模糊C均值聚类的肺实质分割算法,用于CT图像的快速自动分割.首先,对原始肺部CT图像分别在水平和垂直方向上进行灰度积分投影;然后,选用平滑样条曲线拟合平滑原始图像的积分投影曲线,并提取拟合平滑前后曲线的极大值点,确定肺实质初始边界;后,利用模糊C均值聚类算法对边界内区域进行分割,结合滚动小球法修复边界区域,获得肺实质区域.选取LIDC(肺部图像数据库联盟)数据库中20组图像(平均每组图像包含120幅CT图像)进行实验,平均分割精度为95.66％,平均每幅图像花费时间为0.77s.实验结果表明,该方法可以用于CT图像肺实质分割,具有全自动、高精度、鲁棒性等特点.
-
基于改进大津法和模糊聚类的CT图像肺实质分割方法的比较研究
目的 比较改进后的大津阈值法和模糊C均值聚类(FCM)两种分割算法在CT图像肺实质分割中的应用.方法 选取40例肺部图像,分别采用改进的大津阈值法和模糊C均值聚类法,分割出肺实质区域,同时剔除肺部纵膈、气管.后,采用主观评价和客观分析(图象一致性和信息熵指标)评价分割效果.结果 主观分析显示,改进的大津法得到的图像中虽仍存在肺实质内部间隙,但图中孤立像素点明显减少,且颗粒的边缘也更加光滑.FCM算法分割出的肺实质空洞较少,获得的图像较完整.但有些许粘连,且提取中主气管容易错误地分割到肺实质区域,造成肺实质分割不彻底.客观分析表明,在一致性准则上,两种方法分割结果相差不大,分割出的区域都具有较高的内部区域一致性;从信息熵的角度,FCM法分割效果较好.结论 肺部CT图像肺实质的分割中,对于目标与背景灰度有强对比的图像,Otsu法优于FCM法,但在阈值自适应和运算时间方面需要进一步提升;而对于存在不确定性和模糊性的图像,FCM法优于Otsu法,但在抗噪性和分割精度方面需要进一步改进.
-
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.
-
三维肺部图像中疑似肺结节结构的自动提取
本文提出了一种肺部CT图像三维数据中自动提取疑似结节区域的方法.首先结合阈值分割、种子填充等方法,在三维体数据上分割出肺实质.进而利用改进的模糊C均值聚类,提取出结节及具有结节特征的血管、支气管等感兴趣区域.该工作对感兴趣区域的特征提取有重要意义,是早期肺癌计算机辅助诊断重要的一步.
-
基于改进水平集方法的Micro-CT鼠脑三维自动化分割
目的 提出一种基于改进水平集方法,能对Micro-CT 鼠脑图像进行有效分割的自动化方法.方法 首先利用模糊C均值聚类方法,并结合阈值分割和形态学方法自动设置水平集三维初始表面轮廓;其次使用梯度矢量流增强水平集在窄细等复杂结构处的演化能力;后提出一种判断演化表面轮廓附近平均带宽能量是否达到大化来设定停止条件;终自动化获得准确分割的结果.采用基于区域法的评价方法,计算两个对应区域的重叠比例来验证该方法的改善效果.结果 利用以上方法分别对3例大鼠图像和3例小鼠图像进行测试,以重叠比例来衡量准确率分别在88.3% 和87.4%,与已有的经典方法相比,平均准确度分别提高了33% 和6.7%.平均处理时间分别为8min和4min.结论 本方法被证明能有效应用于Micro-CT 图像中鼠脑组织的分割和提取,在准确性和便捷性上都有较大改进.
-
基于知识的颅内出血(ICH)三维医学图像分割方法
本文描述一种基于知识的三维医学图像自动分割方法,用于进行人体颅内出血(Intracranial Hemorrhage,ICH)的分割和分析.首先,数字化CT胶片,并自动对数字化后的胶片按照有无异常分类.然后,阀值结合模糊C均值聚类算法将图像分类成多个具有统一亮度的区域.后,在先验知识以及预定义的规则的基础上,借助基于知识的专家系统将各个区域标记为背景、钙化点、血肿、颅骨、脑干.
-
基于模糊聚类的医学图像检索方法
如何构建有效的图像库结构,提高图像检索速度是基于内容的图像检索所需要解决的关键问题之一.论文采用了一种基于改进的模糊C均值算法来聚类图像.实验表明该方法应用于图像检索,在准确性和实时性方面均能达到较好的效果.另外,系统利用基于分阶段显示和评价反馈的权重调整方法进一步提高检索性能.
-
基于SOM-FCM算法的脑MR多参数图像分割
目的:提出一种新的用于脑MR多参数图像的分割算法,并对算法性能进行评估.方法:应用自组织映射(SOM)神经网络将T1加权像和T2加权像的图像信息结合后进行粗分,粗分的结果作为模糊C均值聚类(FCM)算法的输入,并加入改进的聚类有效性函数作为佳聚类数的判断依据.结果:对于组织类别数不同的图像,SOM-FCM算法能自动给出符合目标的聚类数目.对于同一层图像的不同噪声等级,SOM-FCM算法的收敛速度和分割结果的平均正确分割率要高于传统FCM算法(P<0.05).结论:SOM-FCM算法可自动确定聚类数目,在对噪声的稳定性方面优于传统FCM算法.
-
颅脑CT图像分割方法研究
目的 比较区域生长和模糊C均值聚类两种经典分割算法在颅脑CT图像脑实质和脑脊液分割中的应用.方法 搜集49例CT颅脑检查病例图像,分别采用区域生长法和模糊C均值聚类法,实现颅脑CT图像脑实质和脑脊液的分割,并对实验结果进行分析.结果 区域生长法相对完整地分割了脑实质和脑脊液,而模糊C均值聚类算法提取的脑实质部分区域(主要是灰质)被错误地分割为脑脊液,造成脑实质提取不完整.结论 在颅脑CT图像脑实质和脑脊液的分割中,区域生长法优于模糊C均值聚类法,但在运行时间和自动化程度上,还需进一步改进.
-
轻度认知功能障碍患者预后情况的评估预测模型
目的 通过数学方法建立轻度认知功能障碍患者24个月预后的判别评估模型.方法 通过对152例轻度认知功能障碍患者的27项临床指标的分析,分别运用贝叶斯判别分析、决策树、BP神经网络、模糊C均值聚类及K均值聚类进行评估预测,选择准确率较高的判别模型.结果 通过差异性检验,根据P＜0.01共筛选出6项指标,建立5种评估预测模型,经过100次随机抽样诊断模拟,得到贝叶斯判别分析在轻度认知功能障碍患者预后评估的平均正确率达74.86％,高正确率达到84.21％.结论 本研究建立的数学模型能提高轻度认知功能障碍患者24个月预后的评估准确率.
-
基于模糊Gibbs场和模糊C均值聚类的脑部磁共振图像的分割
提出了一种利用模糊Gibbs场和模糊C均值聚类的新算法,用来分割脑部磁共振(Magnetic resonance, MR)图像.本算法引入了像素的空间约束,提出了势团均匀分布的概念,并使用模糊信息定义了势团的Gibbs能量,并在传统的基于灰度的模糊C均值聚类(Fuzzy C-means, FCM)算法中引入Gibbs能量的补偿项,建立包含像素灰度信息和空间约束的新的目标函数,并得到模糊矩阵和聚类中心的迭代公式,克服了基于灰度信息的模糊C均值聚类算法的缺陷,从而改善了原有的分割模型.对合成图像和脑部MR图像的实验表明了本算法的有效性,可以有效地分割被噪声污染的低信噪比的MR图像.
关键词： MR图像分割 模糊C均值聚类 模糊Gibbs随机场 空间约束 -
基于模糊C均值聚类算法的模糊时间序列分析在戊肝发病率预测中的应用初探
目的 探讨基于模糊C均值聚类(fuzzy c-means clustering,FCM)算法的模糊时间序列分析在戊肝发病率预测中的应用价值.方法 采用基于FCM算法的模糊时间序列分析方法,对2004年1月至2014年7月我国内地法定报告的戊肝逐月发病率资料建立预测模型,并对2014年8～12月的相应数据进行预测,并将预测结果与经典模糊时间模型预测结果进行比较.结果 基于FCM算法的模糊时间序列模型的拟合均方误差(MSE)为0.001 1,预测MSE为6.977 5×10-4;而经典模糊时间序列模型的两个MSE分别为0.001 7和0.001 4.可见,基于FCM算法的模糊时间序列分析相对于经典模型,有较好的预测能力.结论 基于FCM算法的模糊时间序列分析对于戊肝等传染病发病率的预测具有较好的应用价值.
-
基于FCM聚类算法的颅内出血CT图像分割
为了提高计算机辅助诊断系统的颅内出血病灶分割准确率,提出一种新的颅脑CT图像分割方法,被怀疑为出血的区域可快速而有效地分割出来.首先利用颅内结构提取算法提取颅内区域;然后利用两次模糊c均值聚类算法完成出血区域分割.第一次模糊c均值聚类确定疑似颅内出血的区域,根据脑出血CT图像特点,将中心点灰度值高的类作为第二次模糊c均值聚类对象,第二次模糊c均值聚类分割出疑似出血区域,后对颅脑CT图像进行实验,验证方法的可行性.实验结果表明该方法对颅脑出血CT图像病灶的分割是有效的.
