基于模糊C均值的腦部MR圖像分割方法研究.pdf

1、磁共振(Magnetic Resonance，MR)圖像有著高對(duì)比度、高分辨率、多方位等優(yōu)點(diǎn)，廣泛應(yīng)用于各類腦疾病研究，但由于磁共振成像設(shè)備等客觀因素的限制，臨床采集的腦組織MR圖像存在噪聲、灰度不均勻、部分容積效應(yīng)等不利因素，而且腦組織形狀、邊界和拓?fù)浣Y(jié)構(gòu)較為復(fù)雜，如何快速、精確地分割磁共振腦MR圖像是現(xiàn)今研究的重點(diǎn)。
　　基于模糊C均值的分割算法能夠很好描述MR圖像中存在的復(fù)雜性和組織邊界模糊等現(xiàn)象，且能滿足無監(jiān)督分割的需求，

2、因此成為近幾年比較流行的醫(yī)學(xué)圖像分割方法，受到國內(nèi)外學(xué)者的廣泛關(guān)注。本文對(duì)基于模糊C均值的腦MR圖像分割方法分析研究并進(jìn)行改進(jìn)，使用DARTEL方法對(duì)分割后的腦MR圖像配準(zhǔn)處理，并以阿爾茲海默癥和輕度認(rèn)知障礙數(shù)據(jù)為例來驗(yàn)證本文方法的有效性。
　　論文的主要工作有:1.采用邊緣檢測的方法對(duì)轉(zhuǎn)化為NIFTI格式的圖像進(jìn)行非腦組織去除，排除非腦組織成分對(duì)分割結(jié)果的影響，提取腦組織，并使用形態(tài)學(xué)因子對(duì)結(jié)果進(jìn)一步優(yōu)化，提高邊緣檢測準(zhǔn)確率;2

3、.從模糊C均值算法入手，分析了算法的優(yōu)缺點(diǎn)，模糊C均值算法的目標(biāo)函數(shù)是基于歐氏距離的，但歐氏距離對(duì)于數(shù)據(jù)點(diǎn)之間的細(xì)小差異區(qū)分不夠，而馬氏距離可以自適應(yīng)地調(diào)整數(shù)據(jù)的幾何分布，從而使相似數(shù)據(jù)點(diǎn)的距離較小，因此采用馬氏距離代替歐氏距離對(duì)算法的距離函數(shù)進(jìn)行改進(jìn)，針對(duì)提取腦組織后的圖像，采用改進(jìn)算法將其分割為灰質(zhì)、白質(zhì)兩類組織類型，從體積計(jì)算和分類結(jié)果兩方面來對(duì)比分析;3.把分割后的圖像采用DARTEL配準(zhǔn)方法將其配準(zhǔn)到統(tǒng)一模板，進(jìn)行大腦萎縮區(qū)域