基于改進模糊聚類算法的醫(yī)學圖像分割研究.pdf

1、隨著MRI、X-CT、PET和SPECT等醫(yī)學成像技術(shù)的發(fā)展與廣泛使用,計算機輔助診斷系統(tǒng)在臨床的應用日益不可或缺。醫(yī)學成像技術(shù)在治療過程的疾病診斷、治療方案設計、手術(shù)效果評價等方面起重要作用,為醫(yī)護人員提供了很多有用的信息。核磁共振成像擁有對人體無害、成像效果好、多參數(shù)任意角度成像等優(yōu)點,因而得到了廣泛應用。
　　醫(yī)學圖像處理技術(shù)是計算機輔助診斷系統(tǒng)中重要的組成部分,國內(nèi)外研究人員提出了很多行之有效的醫(yī)學圖像分割方法。在這些方法

2、中,模糊聚類算法是一種軟分割方法,對醫(yī)學圖像分割尤為適合。但標準的FCM算法(Fuzzy C Means)僅僅考慮了灰度信息,因此其對噪聲的容忍能力較差。本文針對FCM算法的這一缺點,提出了一種融合空域濾波器的改進FCM算法。該算法首先使用改進的空域濾波器對噪聲圖像進行濾波去噪,并對FCM算法的目標函數(shù)與迭代公式進行修改,添加了空域濾波數(shù)據(jù)項,使得空域濾波結(jié)果能夠指導FCM算法的迭代,且每個像素的模糊隸屬度由像素灰度與空域濾波數(shù)據(jù)共同決