模糊C-均值聚类法在医学图像分析中应用.pdfVIP

!#$%’(!(!)!!*!+,#- ./!0123456178179:53; 软 件 学 报 =16!?@1!! 模糊 均值聚类法在医学图像分析中的应用C B A 田 捷! 韩博闻 王 岩 罗希平! ? ? ? ! 中国科学院 自动化研究所 人工智能实验室 北京 ) ? !%*D 中国科学技术大学 研究生院 北京 ) ? !,$* E#F5G6H9G54IJ1/913/1F K99LH((:::,JF;J4;9 摘要 主要针对医学图像提出了基于模糊均值聚类的改进算法和应用 该方法分为 步 第 步是像素的模糊 H , ? ! 化 通过模糊期望值构造冗余图像 第 步是通过冗余图像和原始图像进行聚类分割 第 步是三维显示 由于利 ? D D , 用冗余图像增加了每个像素的特征量 该算法增强了聚类分割的精确度 同时 还给出了应用自行开发的三维医 ? ? 学图像处理与分析系统对多种医学图像 包括 螺旋 和 的处理结果 由于对薄骨和关节接合处骨骼 ) O * MN MN PQR 的较好识别 使其重建后的三维模型可以清晰地再现解剖结构 取得了较好的效果 ? ? 关键词 模糊均值聚类 图像分割 医学影像分析处理系统 H D D 中图法分类号H ,$! 文献标识码H NS T 医学图像的三维重建一直是图像处理领域的重要方面 影响重建效果的因素一方面是采集到 的图像的质量 包括采集图像的数据量大小 包括图像分辨率 像素位数 层间距 采集图像有无图 ? ) O O *O 像噪声的干扰等等 另一个较为重要的影响因素是图像分割技术 图像分割的准确与否直接决定了 D ? 三维重建的准确程度 医学图像的分割按照处理对象的不同可分为二维分割和三维分割两种形式 其中三维分割可 以是直接将切片数据集看成三维数据来进行三维分割U!V ,W 也可以是以切片分割为基础 考虑切片 D ? 之间数据在灰度值和空间位置上的相关性 提供比单一切片更多的信息 从而获得更好的分割结 ? ? UXW 果 我们的处理方法是 针对每张切片首先通过模糊期望值构造冗余图像 增加每个像素的特征 ? ? 量 然后利用模糊均值聚类法进行分割处理 ? 目前 国内医院针对医学图像的研究大多是使用国外的图像处理工作站 在本文中 我们使用 ?