基于非局部FCM腦核磁共振圖像分割.pdf

1、隨著中國(guó)老年化程度的加重，腦疾病病發(fā)程度日益加重。因此，借助醫(yī)學(xué)影像技術(shù)對(duì)疾病進(jìn)行臨床輔助診斷具有重要意義。核磁共振成像（MRI）因其對(duì)人體沒有任何電離輻射傷害，對(duì)軟組織有較高的分辨率，成像參數(shù)多，包含信息量大等優(yōu)點(diǎn)，已被廣泛運(yùn)用于醫(yī)療圖像診斷。
　　模糊C均值(FCM)算法是一種比較經(jīng)典的聚類方法，具有無監(jiān)督、實(shí)現(xiàn)簡(jiǎn)單、運(yùn)算速度快等優(yōu)點(diǎn)，常被用于腦MR圖像分割。然而，由于噪聲和灰度不均勻的影響，使得采用傳統(tǒng)的FCM算法很難得到理

2、想分割的結(jié)果。為此，本文針對(duì)腦MR圖像分割問題，通過考察圖像的空間結(jié)構(gòu)信息，對(duì)傳統(tǒng)算法中目標(biāo)函數(shù)的距離項(xiàng)進(jìn)行了改進(jìn)，并將偏移場(chǎng)參數(shù)化且耦合到FCM框架下，使其不僅能夠降低噪聲的影響，還能夠較好地恢復(fù)偏移場(chǎng)。本文的研究工作包括如下幾個(gè)方面:
　　(1)針對(duì)噪聲和偏移場(chǎng)的影響，提出一種改進(jìn)的非局部FCM腦MR圖像分割與偏移場(chǎng)恢復(fù)耦合模型。該模型考慮了圖像的非局部信息，通過空間圖像塊之間的相似性構(gòu)造權(quán)重函數(shù)，并且將偏移場(chǎng)也納入FCM模型

3、中，可以有效地降低噪聲和偏移場(chǎng)對(duì)分割結(jié)果的影響，并且能夠保留更多的結(jié)構(gòu)信息。
　　(2)針對(duì)傳統(tǒng)模型魯棒性不足、分割精度不夠高的問題，提出一種結(jié)合非局部信息的模糊聚類腦MR圖像分割模型。該模型首先引入非局部信息，克服傳統(tǒng)的空間信息僅依賴鄰域灰度信息從而導(dǎo)致精度不高的缺點(diǎn)，使其在降低噪聲影響的同時(shí)還能保持細(xì)長(zhǎng)拓?fù)浣Y(jié)構(gòu)區(qū)域信息;其次，利用多元高斯分布模型對(duì)圖像灰度分布進(jìn)行擬合以構(gòu)造距離函數(shù)，從而降低傳統(tǒng)歐式距離導(dǎo)致魯棒性不足的影響;最