科研之友
微信
新浪微博
Facebook
分享链接
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。
- 单位
