文献类型：期刊文章

作　　者：万春圆[1] 叶明全[1,2] 姚传文[1] 徐争元[2,3]

WAN Chun-yuan;YE Mingquan;YAO Chuan-wen(School of Medical Information,Wannan Medical College,Wuhu 241002,Anhui Province,P.R.C.)

机构地区：[1]皖南医学院医学信息学院,241002 [2]皖南医学院健康大数据挖掘与应用研究中心,241002 [3]皖南医学院医学影像学院,241002

出　　处：《中国数字医学》

基　　金：国家自然科学基金面上项目(编号:61672386);安徽省自然科学基金面上项目(编号:1708085MF142);教育部人文社会科学研究规划基金(编号:16YJAZH071)。

年　　份：2020

卷　　号：15

期　　号：11

起止页码：10-15

语　　种：中文

收录情况：JST、ZGKJHX、普通刊

摘　　要：目的:脑核磁共振(MR)图像中普遍存在噪声的影响,传统的核模糊C-均值(Kernel Fuzzy C-means,KFCM)算法无法得到理想的脑组织分割结果,为此提出一种基于核模糊聚类优化算法的分割模型。方法:首先通过粒子群算法确定KFCM的初始聚类中心,然后利用自适应中值滤波消除图像中的噪声,最后采用该模型分别对不同的图像进行实验。结果:该方法不仅能迅速确定图像的初始聚类中心,并且有效地消除图像中的噪声。结论:与传统KFCM算法相比,提出的模型具有更高的精确度和分割效率。

关 键 词：脑磁共振图像  核模糊C-均值  图像分割 自适应中值滤波 粒子群算法

分 类 号：R319[基础医学类]