基于改进聚类算法医学图像的分割与应用-软件工程专业论文.docxVIP

研究生优秀毕业论文 大连理工大学专业学位硕士学位论文摘 大连理工大学专业学位硕士学位论文 摘 要 医学图像分割是医学图像处理到医学图像分析过程中比较关键的步骤。准确的医学 图像分割可以为医疗工作者对疾病的诊断和分析提出有效的治疗方案，为临床医学的研 究提供可靠的理论依据，从而使研究人员对后续工作进行准确的决策。 本文主要研究的是半监督学习理论、模糊聚类算法以及半监督模糊聚类算法，分别 使用经典的无监督模糊C均值聚类算法、半监督模糊C均值聚类算法对MRI图像进行 了分割实验，针对当前算法在MR]图像分割中遇到的实际困难和问题，提出了一种基 于半监督模糊C均值聚类算法的新颖半监督聚类算法，并且成功应用到核磁共振图像 中，本文主要获得以下研究成果： (1)模糊聚类算法与半监督学习理论的结合应用。在经典的无监督模糊C均值聚 类基础上引入了半监督学习算法，并通过实验数据集对加入半监督算法后的可行性进行 了有效的验证，实验证明了在加入半监督算法后，新的算法在聚类精度上和速度上比传 统的模糊C均值聚类算法都有显著地提高，证明了半监督模糊C均值聚类算法比经典 的无监督模糊C均值聚类算法上聚类效果要好。 (2)由于医学MRI图像的复杂性，对MRI图像进行半监督模糊聚类分析就在大量 数据样本的中利用微量的标记信息进行学习，这里就出现了退化的问题，鉴于这种退化 性，提出了一种新颖的半监督算法来解决了半