换一批
换一批基于高斯混合模型和核密度估计的全身骨骼SPECT图像分割算法研究
A Research on the Segmentation Algorithm for the Whole Body SPECT Imagevia the Gaussian Mixture Model with Kernel Density Estimation
摘要目的：提出一种基于高斯混合模型的骨扫描图像分割算法，可自动识别全身骨骼SPECT图像中的病变区域。方法首先对二维全身骨骼SPECT图像进行锐化、平滑、灰度变换等预处理；然后采用核密度估计方法拟合出预处理图像的像素概率密度函数曲线，并根据曲线的峰值点确定期望最大值（EM）算法的初始值；再应用高斯混合模型对图像进行分割；最后使用模板匹配算法排除误识别的区域。结果应用本研究提出的图像分割算法所得到的图像清晰度和对比度优于其他图像分割算法，且本研究提出的图像分割算法的相似性测度明显高于其他图像分割算法，平均耗时最短。结论基于高斯混合模型和核密度估计的全身骨骼SPECT图像分割算法是一种高效、实用的骨扫描图像分割算法。
更多相关知识
关键词
全身骨骼显像高斯混合模型核密度估计EM算法whole-body bone scanGaussian mixture modelkernel density estimationexpectation-maximization algorithm
分类号
TP391.41
DOI
10.3969/j.issn.1674-1633.2016.02.011
发布时间
2016-05-24
- 浏览96
- 被引8
- 下载42
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
