基于自適應(yīng)PCNN的腦部醫(yī)學(xué)圖像分割與融合研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，各種醫(yī)學(xué)圖像應(yīng)運(yùn)而生，并得到迅速的發(fā)展，醫(yī)學(xué)圖像處理和分析作為醫(yī)學(xué)圖像研究的一個(gè)關(guān)鍵環(huán)節(jié)受到了世界各國(guó)的廣泛關(guān)注。醫(yī)學(xué)圖像分割是醫(yī)學(xué)圖像處理的前提和基礎(chǔ)，而醫(yī)學(xué)圖像融合可以提供更加全面的有用信息，所以對(duì)醫(yī)學(xué)圖像進(jìn)行分割與融合具有重要的實(shí)用價(jià)值。
　　腦部MRI圖像廣泛應(yīng)用于大腦的病理和功能性研究，本文針對(duì)腦部MRI圖像特點(diǎn)，提出了基于自適應(yīng)PCNN的腦部MRI圖像分割方法。首先利用蟻群算法的全局搜索能力，以圖像

2、信息熵與灰度期望值的和作為蟻群算法的目標(biāo)函數(shù)，對(duì)PCNN的三個(gè)關(guān)鍵參數(shù)β、αθ和Vθ進(jìn)行設(shè)定，然后基于PCNN簡(jiǎn)化模型，結(jié)合最大熵值準(zhǔn)則對(duì)腦部MRI圖像進(jìn)行分割，最后對(duì)分割結(jié)果進(jìn)行面積濾波，得到最終的分割結(jié)果。實(shí)驗(yàn)結(jié)果表明，本文方法能夠?qū)崿F(xiàn)腦部MRI圖像的自動(dòng)分割，具有較高的精度和較強(qiáng)的魯棒性。
　　將腦部CT和MRI圖像進(jìn)行適當(dāng)?shù)娜诤?，能使骨骼信息和軟組織信息有機(jī)地結(jié)合起來(lái)，因此，本文提出了一種基于自適應(yīng)PCNN的腦部CT和MR