基于免疫聚类算法的MRI膝关节图像分割.pdfVIP

第26卷第1期 广西科技大学学报 V01．26No。1 0F AND7IECHNOLOGYMar．2015 2015年3月 JOURNALOFGUANGXIUNIVERSI‘rYSCIENCE 文章编号2095．7335(2015)01—0070．05 基于免疫聚类算法的MRI膝关节图像分割 闫 夏，谭光兴8，林 川 (广西科技大学电气与信息工程学院，广西柳州545006) 摘要：为了解决传统的阈值法无法适用的特征值相差不大的较复杂的医学图像分割，并针对聚类算法在分割图像 时对初始值敏感且易陷入局部最优解这一缺点，提出了一种新的图像分割方式一基于免疫聚类的图像分割．实验表 明．该方法既有效地克服了聚类算法的缺陷，又减轻了免疫算法在进化后期的波动现象，提高了其收敛速度和局部搜 索能力，更具稳定性和准确性，在一定程度上改善了医学图像的分割效果． 关键词：MRI膝关节；免疫；聚类；免疫聚类 中图分类号：TP391 文献标识码：A O引言 20世纪50年代以来，新的医学影像成像系统相继出现，医学影像技术进入一个全新的发展阶段．医学 丰富了医学形态学诊断信息的各个领域和层次、提高了医学形态学的诊断水平，同时实现了医学形态学诊 断信息的数字化，这使得临床医生能够更加清晰、更加准确的观察病变部位，确诊率也更高． 核磁共振成像(MRl)是一种重要的医学成像技术…，可以无创性的显示人体内部的结构．由于其空间 分辨率较高，现在已经被广泛应用到人体的各个器官进行病变的诊断，其中一个重要的应用就是人体膝关 节疾病的研究．MRI膝关节分割为医学临床诊断和治疗提供了很好的基础，但如何分割MRI膝关节图像不 仅是临床诊断和治疗的，也是医学图像研究的一个重点和难点．在目前膝部MRI图像分析工作中，其软组 织常被用手动操作来分隔，这将消耗大量时间且不具有客观可重复性，这给医学图像分割带来了很大的困 难(2]． 传统的阈值法是一种直接利用图像灰度进行分割的方法，实用性强，但是对于灰度差异不明显或者灰 度范围重叠过多的图像，分割效果不准确．尤其是医学影像图像对比度较低，且组织特征具有可变性、不同 组织或组织与病灶间边界模糊、微细结构(血管、神经)分布复杂，加之由于医学图像的成像原理的差异以 及会受到噪音、局部体和场偏移效应和组织运动的影响，医学图像比普通的图像更模糊、分布不均匀．所以 传统的阈值法无法满足临床医学的需要，免疫算法是一种高效的具有全局搜索能力可以用以解决传统算 法无法解决的复杂和非线性的问题算法．近年来，国内外很多研究者尝试将免疫算法引入图像分割领域， 提出了基于免疫算法的图像分割法[1¨． 1免疫聚类算法 聚类问题是指把具有相似性质的事物加以分类，它的实质就是用数学方法来处理一些给定对象的分 收稿日期：2014—09一lO (2012105940811M01)资助． +通信作者：谭光兴，教授，博士，硕士生导师，研究方向：控制理论与应用，人工智能，E-mail：gxtan@163．com． 万方数据 第1期 闫 夏等：基于免疫聚类算法的MRI膝关节图像分割 71 类问题，近些年，常常把聚类分析的分割方法应用于图像分割领域，如对彩色图像分割、灰度图像分割以及 纹理图像分割或者是其他的图像分割．目前常见的聚类算法有：K均值聚类方法、模糊聚类方法[引、层次聚 类方法[41、谱聚类方法[51、密度聚类方法[61、遗传聚类等． 在本文中采用的是K均值聚类，其基本思想是从一个含有n个元素的数据集中随机的选取K个数 据，作为初始的聚类中心，然后分别计算每个元素到各中心的距离，并根据最近邻原则将其分配到离它最 近中心所在的簇中，并计算该簇中所有元素均值作为新的聚类中心，比较新的中心和上一次的中心，如果 新的中心没有变化，则算法收敛，输出结果；如果新的中心和上一次的中心相比发生了变化，则根据新的中 心重新按照最近邻原则分配各元素，并重新计算该簇的均值，直到满足该算法的收敛条件为止． 基本流程如下： Step1对于任意的数据集置，确定聚类数尼，随机选取聚类中心叻．