基于改进FCM的医学图像分割.pdfVIP

图像处理 文章g~-：lO08—0570(2006)03—1_o241_o2 基于改进FC M的医学图像分割 Medical Image Segmentation Based on Modified FCM Algorithm (1．泰山医学院；2．兰州理r：大学)马 华 王 清’张 永 Ma，Hua Wang，Qing Zhang，Yong 摘要：为解决模糊C均值聚类(FCM)算法在图像分割尤其是医学图像分割中存在的计算量大、运行时间过长的问题。 提 出 了一种改进方法。通过数据约减，即通过对相近的像素进行量化并聚合来减少像素个数。从而降低运算量。该方法用于人脑 磁共振图像的分割比传统FCM 算法的运算速度提高了50—100多倍，并且选择合适大小的量化箱不会影响算法的分割效果 。 关键词：数据约减；模糊C均值；磁共振成像；图像分割 中图分类号：TP391．41 文献标志号：A Abstract：The fuzzy C means clustering(FCM)algorithm requires a long time to segment images，especially medical images，due to processing the large dataset．This paper discusses a modified algorithm based on data reduction，which is able to reduce the number of pixels by aggregating similar ones． The reduction in the amount of clustering data allows a partition of the data to be Droduced faster． The algorithm is applied to the problem of segmenting brain magnetic resonance images into different tissue types ． Average speed—ups of as much as 50—100 times a traditional implementation of fuzzy c—means were obtained． while producing partitions that are equivalent to those produced by fuzzy c—means． Key words：data reduction，fuzzy c-means，magnetic resonance imaging(Mm)，image segmentation 个聚类中心的每一个中心的加权隶属度，对目标函数 1引言 进行迭代优化。FCM的聚类目标函数为 磁共振成像(MRI)具有高度的软组织分辨率。可多 方向切层成像，且具有无放射性损伤及无骨性伪影等 ， ， ) ∑∑(“ ) 一v ， (11 特点 此外，MRI的参数较多，一般情况下可进行T1 其中：x={xl，X：，X3,--．~X }为数据集；C为聚类类别数 加权、rI12加权和质子加权观察，更好地显示病灶特征。 且1Cn；m为模糊加权指数且1≤m∞；U= }为模 因此MRI被广泛地应用于人脑疾病的诊断。 糊隶属度矩阵，‰表示第k个数据对应于第i类的隶 MR图像分割在l临床诊断、病理分析以