基于模糊聚類算法和可拓檢測(cè)物元聚焦的顱內(nèi)血管圖像分割方法研究.pdf

1、隨著醫(yī)學(xué)成像技術(shù)的應(yīng)用與發(fā)展，計(jì)算機(jī)系統(tǒng)在臨床與教學(xué)中的應(yīng)用越來(lái)越重要。計(jì)算機(jī)輔助診斷系統(tǒng)在臨床上面的應(yīng)用也越來(lái)越變得不可或缺，醫(yī)學(xué)成像技術(shù)在治療過(guò)程的疾病診斷、治療方案設(shè)計(jì)、手術(shù)效果評(píng)價(jià)等方面起重要作用，為醫(yī)護(hù)人員提供了很多有用的信息。在這個(gè)大背景下，本課題也得到了廣東省廣州市海珠區(qū)科技計(jì)劃項(xiàng)目的支持。
　　醫(yī)學(xué)圖像處理技術(shù)是計(jì)算機(jī)輔助診斷系統(tǒng)中重要的組成部分，國(guó)內(nèi)外研究人員提出了很多行之有效的醫(yī)學(xué)圖像分割方法。在這些方法中，模

2、糊聚類算法是一種軟分割方法，對(duì)醫(yī)學(xué)圖像分割尤為適合。但傳統(tǒng)的模糊聚類算法的聚類中心容易陷入局部最優(yōu)的問(wèn)題，故本文采用物元聚焦與其結(jié)合的方法來(lái)解決此問(wèn)題，給出了相應(yīng)的解決方案。針對(duì)MRI顱內(nèi)血管醫(yī)學(xué)圖像的特性，本文采用兩步分割，來(lái)實(shí)現(xiàn)血管區(qū)域的最終分割。
　　第一次分割為去除與血管不相鄰且可能會(huì)對(duì)二次分割造成影響的其它區(qū)域。第一次分割主要分三步:首先，對(duì)圖像進(jìn)行閾值處理，得到血管周?chē)膮^(qū)域以及一些不相關(guān)的小區(qū)域;然后，利用面積濾波，

3、把小面積對(duì)象刪除，并通過(guò)填充漏洞把相關(guān)區(qū)域中遺留的黑色部分去除掉，得到相關(guān)區(qū)域;最后利用所得到的相關(guān)圖像在原圖像中分割出相關(guān)區(qū)域。第二次分割時(shí)，針對(duì)傳統(tǒng)方法存在聚類中心很容易陷入局部最優(yōu)的問(wèn)題，所以本篇文章提出FCM算法結(jié)合物元聚焦來(lái)解決這個(gè)問(wèn)題。利用模糊C均值聚類算法對(duì)醫(yī)學(xué)圖像進(jìn)行分割時(shí)，如果僅采用單個(gè)像素的灰度值作為特征真進(jìn)行分割，則可能會(huì)導(dǎo)致在噪聲區(qū)域及邊界處出現(xiàn)誤分割的現(xiàn)象。為了解決這個(gè)問(wèn)題，本篇文章采用了八鄰域像素值均值做為第