基于模糊聚類算法和可拓檢測物元聚焦的顱內(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)用也越來越變得不可或缺，醫(yī)學(xué)成像技術(shù)在治療過程的疾病診斷、治療方案設(shè)計(jì)、手術(shù)效果評價(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)的問題，故本文采用物元聚焦與其結(jié)合的方法來解決此問題，給出了相應(yīng)的解決方案。針對MRI顱內(nèi)血管醫(yī)學(xué)圖像的特性，本文采用兩步分割，來實(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對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，對圖像進(jìn)行閾值處理，得到血管周圍的區(qū)域以及一些不相關(guān)的小區(qū)域;然后，利用面積濾波，

3、把小面積對象刪除，并通過填充漏洞把相關(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，針對傳統(tǒng)方法存在聚類中心很容易陷入局部最優(yōu)的問題，所以本篇文章提出FCM算法結(jié)合物元聚焦來解決這個問題。利用模糊C均值聚類算法對醫(yī)學(xué)圖像進(jìn)行分割時，如果僅采用單個像素的灰度值作為特征真進(jìn)行分割，則可能會導(dǎo)致在噪聲區(qū)域及邊界處出現(xiàn)誤分割的現(xiàn)象。為了解決這個問題，本篇文章采用了八鄰域像素值均值做為第