换一批基于自组织特征映射和梯度熵聚类的MR脑部图像分割新算法
Improving MR Brain Image Segmentation Using Self-Organizing Maps and Entropy-Gradient Clustering
摘要目的 提出一种新颖的基于自组织特征映射和遗传算法的无监督MR脑部图像分割算法.方法 本研究算法分为5步:图像预处理去除背景噪声和颅骨部分、提取图像中两类统计特征和几何不变矩、遗传算法降低特征空间维度、训练自组织特征映射完成向量分类和使用梯度熵聚类算法得到分割图像.结果 选用国际MR脑图像库和临床实例MR图像进行仿真实验.定性分析表明基于本文算法的分割图像中白质、灰质和脑脊液边界完整清晰;定量评估结果显示本文提出的遗传特征优化算法优于常用的主分量分析法,梯度熵算法所得分割图像优于K-means聚类算法,且本文提出的算法在白质和脑脊液分割方面优于现存最佳的CGMM算法.结论 本文提出的分割流程没有涉及任何关于体素分类的先验知识,是一种完全无监督的MR脑部组织自动分割方法,具有很强的稳定性、优越性,且获得高精确性的分割图像.
更多相关知识
关键词
脑疾病MR脑部图像图像分割自组织特征映射遗传算法梯度熵聚类cerebral diseaseMR brain imageimage segmentationself-organizing mapsgenetic algorithmsentropy-gradient clustering
分类号
TN911.73
栏目名称
DOI
10.3969/j.issn.1674-1633.2017.10.006
发布时间
2017-11-10（万方平台首次上网日期，不代表论文的发表时间）
基金项目
国家自然科学基金（81601477）
- 浏览49
- 被引4
- 下载12
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
