基于模糊聚類的醫(yī)學(xué)圖像分割和偏場(chǎng)校正算法研究.pdf

1、隨著醫(yī)學(xué)影像技術(shù)的迅速發(fā)展，醫(yī)學(xué)影像逐漸成為臨床醫(yī)療的一種主要輔助手段，很大程度上提高了醫(yī)生的確診率。當(dāng)前針對(duì)醫(yī)學(xué)圖像的分割主要將重點(diǎn)置于核磁共振圖像(MRI)。腦部組織主要包括灰質(zhì)(GM)、白質(zhì)(WM）和脊髓液(CSF)，準(zhǔn)確地分割腦部組織是臨床診斷和神經(jīng)科學(xué)中的關(guān)鍵步驟，由于腦部MR圖像不可避免地受到噪聲、部分容積效應(yīng)以及偏場(chǎng)的影響，導(dǎo)致現(xiàn)有的分割算法都或多或少存在分割結(jié)果不正確情況，是醫(yī)學(xué)圖像中的關(guān)鍵問題和難點(diǎn)，因此該問題引起了國(guó)

2、內(nèi)外學(xué)者專家的廣泛研究關(guān)注。盡管改進(jìn)的FCM算法己成功的對(duì)不同類型的圖像進(jìn)行分割，但是他們?cè)诜指钅X部MRI圖像時(shí)存在以下弱點(diǎn):在處理帶有偏場(chǎng)的腦部MRI圖像時(shí)不能有效的校正偏場(chǎng)，造成分割的結(jié)果不夠準(zhǔn)確;同時(shí)，無法精確估計(jì)鄰域點(diǎn)和中間點(diǎn)的影響，控制噪聲或異常點(diǎn)的魯棒性較弱等。
　　基于以上問題的分析，本文提出一種基于FCM算法的腦部MR圖像偏場(chǎng)校正和分割的新算法RCLFCM。首先，考慮到FLICM算法只考慮了空間距離因子，不能正確估

3、計(jì)鄰域窗口的影響。為了解決這個(gè)問題，新算法提出了一個(gè)新的鄰域灰度差系數(shù)，并結(jié)合局部窗口方差系數(shù)，設(shè)計(jì)了新的影響因子來衡量鄰域點(diǎn)對(duì)中心像素的影響，從而充分考慮像素的鄰域信息，減少噪聲的影響。其次，為了盡量多地運(yùn)用像素之間的空間信息，本文構(gòu)造了新的公式來更新模糊隸屬度，使算法能夠在較少迭代次數(shù)之內(nèi)達(dá)到收斂，提高了算法的有效性。最后，重新定義了FCM的目標(biāo)函數(shù)，并將偏場(chǎng)估計(jì)模型加入目標(biāo)函數(shù)，在處理過程對(duì)MRI圖像同時(shí)進(jìn)行偏場(chǎng)校正和分割，抑制了