首页 > 文献资料
-
基于FCM聚类算法的MRI脑组织图像分割方法比较研究
目的：磁共振成像（ magnetic resonance imaging ， MRI）对脑组织有较好的成像效果，但噪声、偏移场和部分容积效应（ partial volume effect ， PVE）的存在，使得全自动分割MRI图像面临一定的困难。模糊C均值（fuzzy C－means， FCM）聚类算法在脑组织分割中得到较广泛研究。本文以存在噪声和偏移场影响的脑MRI图像分割为应用背景，研究了大量相关方法，探讨FCM算法分割脑部图像的改进思想。方法本文主要研究了9种FCM算法的理论基础，并通过脑组织分割实验对各种算法进行了分析。结果比较了不同算法的优劣，给出各类算法直观及定量评价结果。结论偏移场和噪声对脑磁共振图像组织分类质量有明显影响。其中几种方法可以减弱这些不利影响，但由于难以选择合适的参数，其分类效果并不理想。如何合理利用空间信息在未来仍有较大研究价值。
-
基于改进空间模糊聚类的DTI图像分割算法
针对模糊C均值(FCM)聚类算法初始聚类中心选择的随机性和噪声的敏感性等问题,提出一种基于改进空间模糊聚类的图像分割算法来分割人脑DTI图像.使用局部密度核函数和中心距离函数精确选取初始聚类中心,不仅可以解决因聚类中心随机选取造成的聚类效果不稳定的问题,而且还可以使目标函数迅速收敛,提高分割效率;通过将正态分布空间信息融入模糊隶属度函数,能减小图像噪声以及人为因素对分割结果的影响.用该方法与FCM、SFCM方法对人脑DTI数据进行分割,以评价算法的聚类效果.实验对美国明尼苏达大学生物医学功能成像与神经工程实验室提供的58例DTI数据、3例FA参数图像以及6例迭加过噪声的人脑DTI图像进行分割,结果表明:该算法分割系数高,可达到0.984 1;在同一图像中,该算法在划分系数上比FCM高提升20.2％,并且在划分熵上比SFCM高下降19.8％;该算法目标函数平均迭代次数为32,较FCM的52次与空间FCM的76次有明显降低.实验证明,该算法能够准确、快速地分割出重要目标,且对图像噪声不敏感.
-
一种分割脑磁共振图像的改进FCM聚类算法
噪声和偏移场是影响磁共振(MRI)图像质量的主要因素.以含加性噪声和乘性偏移场的脑MRI图像组m织分割为目标,提出一种抗噪局部相干模糊聚类算法,通过在目标函数中加入模糊算子和一致局部信息约束,达到同时抑制噪声和偏移场不利影响的目的,提高分割准确性和稳定性.采用20例合成图像、60例来自BrainWeb的模拟脑MRI图像、100例来自IBSR真实脑MRI图像,对算法的聚类性能进行评价.实验结果表明,在噪声和偏移场干扰并存的情况下,所提出算法与其他几种经典FCM改进算法相比,对合成图像集的平均分类准确度SA达到0.97,高于其他算法,大可提高0.37;对真实脑MRI图像集的脑脊液分割有明显优势,相似性测度KI平均提高约0.1.分析表明,所提出算法有更好的分类准确性和稳定性.
-
小脑基因表达数据的模糊多尺度聚类分析
目的 为了更好地建立符合生物学意义的基因归类,为一些未知基因的功能提出解释提供参考.方法 首先对小脑组织随机抽取100组预处理后的基因表达数据,对每个由7个时间点所成的基因表达信号做多尺度分析,其次在各个尺度下运用改进的FCM算法设计了一个归类阀值,并利用模糊聚类Xie-Beni指数得到了优聚类数并实现各个尺度下小脑组织基因的聚类,并把每一层对应的聚类结果输出到文本文件,后找出各层聚类结果完全一致的基因进行归类并进行生物学解释.结果 得到的小脑组织基因优聚类数为3类,通过分类结果对照发现,各类中的大多数基因生物学意义接近.结论 运用多尺度分析并结合FCM算法应用于基因聚类是有效的,结果具有一定生物学意义,能对生物学基因聚类及基因功能解释具有一定指导作用.
关键词： 多尺度分析 FCM算法 Xie-Beni指数 聚类 基因 -
基于Fuzzy聚类分析中两种算法对经络穴位分类的比较研究
本文首先从大量文献中整理出不同经脉中穴位主治病症的个数及穴位在文献中出现的频数等数据.通过对现有的模糊聚类分析方法研究,将基于等价关系的聚类算法和改进后的FCM算法分别运用在手少阳三焦经上的全部穴位分类上,并对结果进行了比较研究.该结论为医务人员快速、准确掌握重要穴位提供了理论依据.
-
基于两阶段改进FCM算法的彩色血液图像分割研究
介绍了一种基于FCM算法(Fuzzy c-means algorithm)的彩色血液细胞图像分割新方法.通过将原始血液显微图像转换为索引图像再对颜色映射表矩阵做模糊聚类来回避直接对像素值聚类,大大压缩了FCM算法的计算数据量.针对彩色血液细胞图像的固有特性将分割过程分为两阶段,包括确定聚类数目和初始聚类中心,并在第二阶段引入一个距离加权矩阵,改变距离度量方式以提高聚类的准确度.解决了FCM算法难以准确收敛到佳极值的问题,减少了迭代收敛的次数,并且缩短了算法执行时间,实现了对彩色血液细胞图像各组分的正确分割.
