基于統(tǒng)計(jì)學(xué)習(xí)的MR腦部圖像分割算法研究.pdf

1、磁共振成像（Magnetic Resonance Imaging，MRI）技術(shù)以其無(wú)損傷、精度高、分辨率好、運(yùn)動(dòng)偽影少等優(yōu)點(diǎn)，成為臨床醫(yī)學(xué)上大腦組織結(jié)構(gòu)分析、疾病診斷、手術(shù)治療、可視化三維重建的重要輔助工具，其意義重大。
　　腦部磁共振圖像分割作為腦部圖像分析研究的基礎(chǔ)，對(duì)腦組織、腦疾病的研究有指導(dǎo)作用，也是圖像處理領(lǐng)域的研究熱點(diǎn)和難點(diǎn)。其本質(zhì)是將腦部圖像劃分成若干個(gè)屬性不同的區(qū)域，并獲得感興趣區(qū)域的過(guò)程。主要包括腦部正常組織分割

2、和異常病變分割。
　　本文首先介紹了MRI技術(shù)成像特點(diǎn)、圖像分割知識(shí)、常用分割方法以及分割中存在的問(wèn)題?；诮y(tǒng)計(jì)學(xué)習(xí)理論，深入研究了兩種腦部磁共振圖像分割的方法：
　　1)針對(duì)腦組織圖像含有噪聲、灰度分布不均勻等特點(diǎn)，提出灰度空間距離加權(quán) K-means聚類(lèi)和模糊置信度的腦組織分割算法。該算法穩(wěn)定性較好，改善了傳統(tǒng)K-mea ns聚類(lèi)的局限性，具有精確度高、廓清邊緣、抑制噪聲的作用。為 MR腦部圖像病變異常檢測(cè)和分割提供了參