基于FCM聚类算法的MRI脑组织图像分割方法比较研究

摘要：

目的：磁共振成像（ magnetic resonance imaging ， MRI）对脑组织有较好的成像效果，但噪声、偏移场和部分容积效应（ partial volume effect ， PVE）的存在，使得全自动分割MRI图像面临一定的困难。模糊C均值（fuzzy C－means， FCM）聚类算法在脑组织分割中得到较广泛研究。本文以存在噪声和偏移场影响的脑MRI图像分割为应用背景，研究了大量相关方法，探讨FCM算法分割脑部图像的改进思想。方法本文主要研究了9种FCM算法的理论基础，并通过脑组织分割实验对各种算法进行了分析。结果比较了不同算法的优劣，给出各类算法直观及定量评价结果。结论偏移场和噪声对脑磁共振图像组织分类质量有明显影响。其中几种方法可以减弱这些不利影响，但由于难以选择合适的参数，其分类效果并不理想。如何合理利用空间信息在未来仍有较大研究价值。

关键词：磁共振成像、脑组织分割、FCM算法、噪声、偏移场

分类号：R318.04(医用一般科学)

资助基金：国家自然科学基金61101230

在线出版日期：2015-07-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：221-228