醫(yī)學圖像的高斯混合模型及聚類研究.pdf

1、醫(yī)學圖像識別是醫(yī)學影像自動診斷的核心內(nèi)容，是國內(nèi)外醫(yī)學領域重點研究的方向，而圖像聚類是圖像識別的一種關鍵技術，在醫(yī)學臨床診斷中具有重要作用。因而，研究適合于醫(yī)學圖像的圖像聚類算法具有重要意義。目前，醫(yī)學圖像聚類算法不能完全滿足醫(yī)學圖像分析和理解的要求。本文試圖研究EM算法的初始化和適合于醫(yī)學圖像識別的高斯混合模型的聚類方法。
　　 本文研究了EM算法的初始化方法以及雙重高斯混合模型，提出了基于近似密度的參數(shù)初始化方法和基于雙重高

2、斯混合模型的醫(yī)學圖像聚類。論文研究工作主要體現(xiàn)在以下幾個方面：
　　 (1)系統(tǒng)研究了EM算法，高斯混合模型的理論和方法，說明了基于高斯混合密度模型的參數(shù)估計屬于半?yún)?shù)估計的理論和方法。
　　 (2)文章深入研究了醫(yī)學圖像的近似密度估計函數(shù)和混合密度函數(shù)，提出了適合醫(yī)學圖像數(shù)據(jù)的基于近似密度的EM參數(shù)初始化方法。
　　 (3)對提出的基于近似密度的EM參數(shù)初始化方法與Kmeans和隨機初始化方法進行比較。并應用于