首页 > 文献资料
-
基于改进的FCM模糊聚类的颅内出血 CT图像分割研究
本文针对人脑CT图像的出血病灶区域,提出了一种改进的模糊C-均值(Fuzzy C-Means,FCM)算法进行颅脑内出血病灶的分割.首先对颅脑CT图像进行预分割,通过左右扫描算法和中值滤波算法将颅内结构从源CT图像中提取出来;然后对预分割而得到的颅内结构,利用在目标函数和隶属度函数中分别添加空间信息的改进FCM聚类算法进行出血病灶提取.通过对CT颅脑图像和添加椒盐噪声的CT颅脑图像进行病灶分割,结果显示本文算法对噪声不敏感,可以准确分割出出血病灶.
-
基于改进的模糊C-均值聚类算法及支持向量机的眼底图像中硬性渗出检测方法
目的 提出一种基于改进的模糊C-均值(improved fuzzy C-means,IFCM)聚类算法及支持向量机(support vector machine,SVM)的检测算法,以实现对眼底图像中硬性渗出的自动识别.方法 首先利用改进的FCM算法对由江苏省中医院眼科提供的120幅彩色眼底图像进行粗分割以获取硬性渗出候选区域;其次,利用Logistic回归对候选区域提取出的特征进行选择,并利用候选区域的优化特征集及相应判定结果建立SVM分类器,实现眼底图像中硬性渗出的自动检测;后利用该方法对65幅眼底图像进行硬性渗出自动检测.结果 硬性渗出自动检测得到的病灶区域水平灵敏度96.47%,阳性预测值90.13%;图像水平灵敏度100%,特异性95.00%,准确率98.46%;平均一幅图像处理时间4.56 s.结论 利用改进的FCM算法与识别率较高的SVM分类器相结合的方法能够高效自动地识别出眼底图像中的硬性渗出.
-
基于形变模型的医学图像分割算法研究
结合形变模型和模糊C-均值(FCM)分割技术,提出了一种基于形变模型的医学图像解剖结构轮廓分割方法,在FCM分类的基础上,利用成员隶属函数定义一种模糊约束力并附加于形变模型的外部约束力中,在该种复合外部约束作用下,使形变模型能更好地收缩于解剖结构的轮廓.图像实验结果表明该方法的有效性和可行性.