换一批摘要目的 本文提出一种新颖的基于模糊C均值聚类分割算法,并运用于MR脊柱图像分割.方法 首先采用各向异性扩散滤波器对MR脊柱原始图像进行预处理,其次采用核密度估计方法确定模糊C均值聚类的初始聚类中心值;然后采用模糊C均值聚类算法初步分割图像,最后运用形态学操作从肌肉背景中提取脊椎图像.并选用Dice系数和Hausdorff距离评估分割质量.结果 比较不同算法的MR脊柱分割图像,定性分析显示模糊C均值聚类算法对图像边缘保存完整,定量评估结果表明模糊C均值聚类算法能获得最大的Dice相似性系数和最小的Hausdorff距离.结论 模糊C均值聚类算法是一种可行的MR脊柱分割算法,较其他算法具有更好的鲁棒性和精确性.
更多相关知识
关键词
模糊C均值聚类核密度估计MR脊柱图像图像分割图像质量fuzzy C-means clusteringkernel density estimationMR spine imageimage segmentationimage quality evaluation
分类号
R445.2（诊断学）
栏目名称
DOI
10.3969/j.issn.1674-1633.2018.09.016
发布时间
2018-09-29（万方平台首次上网日期，不代表论文的发表时间）
- 浏览183
- 被引19
- 下载12
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
