基于先验知识和模糊C均值聚类算法的脑部磁共振图像分割研究

作者：张玉柱; 王传兵^*

来源：中国医学装备, 2019, 16(07): 37-41.

• 脑部磁共振成像
• 图像分割
• 先验知识
• 模糊C均值
• 高斯分布

目的:提出一种基于先验知识引导的模糊C均值算法(PIGFCM),并将其应用于脑部磁共振(MR)图像分割。方法:采用基于高斯分布的图像先验知识获取初始聚类中心;采用改进PIGFCM聚类算法进行图像分割,得到MR脑部分割图像;采用Dice相似性系数、均方根误差(RMSE)和平均耗时评价不同算法的分割效果。结果:对于人工合成的脑部MR图像分割算法所得的Dice相似性系数可达0.87～0.98,平均耗时降低了0.17～0.81倍。对于临床实例MR图像分割算法所得脑白质和灰质的Dice相似性系数较其他算法分别提升12.8%～16.6%和1.1%～40.4%,RMSE下降了0.63～0.94倍,平均耗时降低了0.08～0.75倍。结论:提出PIGFCM算法收敛速度快,较其他常见模糊算法获得更高的分割精度、更强的抗噪性和更快的分割速度,是一种可行的脑部MR图像分割算法。

• 单位
  南京医科大学第一附属医院