基于模糊C均值聚类改进算法的脑部MR图像分割研究

作者：宋方奔; 缪正飞; 张子齐^*

来源：中国医疗设备, 2019, 34(02): 71-75.

• 模糊C均值
• 遗传算法
• 粒子群算法
• MR图像分割

目的提出一种基于邻域隶属度参数优化的模糊C均值(Fuzzy C-Means, FCM)聚类改进算法,并用于脑部MR图像分割。方法首先,采用遗传算法、粒子群优化算法和联合算法计算隶属度函数最佳参数,然后采用此隶属度函数优化FCM聚类算法相似度函数,最后根据改进的FCM聚类算法分割脑部MR图像。图像分割精确性评价指标采用假阴性率、假阳性率、分割错误率和相似性系数。结果选用不同FCM算法对包含噪声的人工合成图像和临床实例MR图像进行仿真实验。定性分析显示本文提出的FCM聚类改进算法获得分割图像能保留更多的边缘和细节信息;定量评价显示基于本文提出的FCM改进算法获得的分割假阴性率(0.0058%～4.28%)、假阳性率(0.0182%～20.15%)和错误率(0.0085%～7.15%)均最小,相似性系数高达92.65%。结论联合使用遗传算法和粒子群优化算法能获得最佳隶属度参数,基于此改进的FCM聚类算法能有效克服噪声造成的局限性,提高脑部MR图像分割精准度,具有较高的临床应用价值。

• 单位
  南京市第一医院; 南京医科大学