基于改進譜聚類算法在醫(yī)學圖像中的應用研究.pdf

1、圖像分割是圖像處理和計算機視覺學科領域內(nèi)重點研究課題之一。有效的圖像分割為后續(xù)工作順利展開提供依據(jù)。近年來，醫(yī)學圖像分割受到國內(nèi)外研究學者的廣泛關注。一類有效的醫(yī)學圖像分割可為臨床診斷、制定治療方案以及做病理學研究等方面提供可靠依據(jù)。醫(yī)學圖像分割包括人體器官分割、器官病灶分割和其他組織分割三類分割。目前，基于像素的醫(yī)學圖像分割還存在以下困難：一、空間像素信息近臨分布使得分割時很難捕抓到局部子問題；二、基于歐氏距離相似性度量不能充分反映復

2、雜空間樣本分布特性，從而造成局部最優(yōu)解的缺陷。
　　譜聚類是當前比較流行的聚類分析方法之一。本論文以譜聚類為研究對象，深入地分析了基于歐氏距離的相似性度量不足和現(xiàn)有的改進譜聚類算法在醫(yī)學圖像分割中應用的不足。為了解決基于像素的醫(yī)學圖像難以進行有效分割的問題。本文做出以下兩方面的創(chuàng)新：一方面，將全局問題劃分成具有強關聯(lián)的子問題提取局部特征來提高圖像的分割精度。另一方面，提出流行學習構造相似矩陣，得到分割圖像全局上的一致。
　　

3、論文的主要研究工作如下：
　　（1）闡明了醫(yī)學圖像分割的研究背景與意義。簡單介紹了常用的醫(yī)學圖像分割方法。詳細敘述了譜聚類的基礎理論包括K-means聚類算法、譜圖劃分理論、拉普拉斯矩陣性質(zhì)以及譜聚類算法的具體實現(xiàn)過程。
　?。?）醫(yī)學圖像組織構造不同（如解剖結構、病變組織），使得限定局部子問題很難并入到全局模式，所以全局模式很難解決此類問題。由于局部子問題是由大量的子圖組成不是由整體外觀圖像體現(xiàn)，所以為了解決局部子問題，本