基于自組織特征映射神經(jīng)網(wǎng)絡(luò)的醫(yī)學(xué)圖像分割.pdf

1、醫(yī)學(xué)圖像具有信息量大和無創(chuàng)傷等優(yōu)點(diǎn)，在臨床診斷方面已顯示出獨(dú)特的魅力。隨著醫(yī)學(xué)圖像的三維重構(gòu)、定量分析和可視化的需求越來越多，這些都需要更加精確的分割結(jié)果。因此，醫(yī)學(xué)圖像分割成為當(dāng)前醫(yī)學(xué)圖像研究領(lǐng)域的一個(gè)熱點(diǎn)。本文主要研究了神經(jīng)網(wǎng)絡(luò)技術(shù)在醫(yī)學(xué)圖像分割中的應(yīng)用問題。 醫(yī)學(xué)圖像在成像時(shí)不可避免的受到噪聲污染，從而影響圖像分割的精度和結(jié)果，因此，去噪聲算法研究是圖像分割的必要前提。傳統(tǒng)方法在去除噪聲的同時(shí)，往往也會(huì)造成細(xì)節(jié)信息的損失，

2、使得圖像模糊。因此，本文提出了利用小波變換、中值濾波對(duì)含有高斯和脈沖混合噪聲的醫(yī)學(xué)圖像進(jìn)行去噪的一種新方法。實(shí)驗(yàn)結(jié)果表明：這種方法能夠有效改善圖像質(zhì)量，較好地保持圖像視覺效果，降低圖像噪聲。 Kohonen自組織特征映射(SOM)是一種二層的前饋競(jìng)爭(zhēng)型學(xué)習(xí)網(wǎng)絡(luò)，并且作為一種競(jìng)爭(zhēng)型學(xué)習(xí)聚類算法廣泛應(yīng)用于醫(yī)學(xué)圖像圖像分割中。然而，大多數(shù)的醫(yī)學(xué)圖像在不同組織的過渡區(qū)域常常存在灰度值交疊現(xiàn)象，因此，本文將模糊的方法和自組織特征映射相結(jié)合

3、來克服這個(gè)問題。對(duì)于圖像數(shù)據(jù)而言，領(lǐng)域像素間存在著較強(qiáng)的相關(guān)性。為了獲得更加有意義的圖像分割，我們提出了多尺度的、具有空間自適應(yīng)性的模糊自組織特征映射網(wǎng)絡(luò)(MSFSOM)對(duì)醫(yī)學(xué)圖像進(jìn)行分割，此方法考慮了像素間的空間關(guān)系，并且多尺度的處理方法減少了噪聲對(duì)分割的影響和分類模糊的問題。而且，在分割過程中既考慮了圖像的局部信息，又兼顧了全局信息。為了加快收斂速度，我們對(duì)該方法進(jìn)行了改進(jìn)，提出了增強(qiáng)模糊自組織特征映射。本文最后對(duì)全文的工作做了總結(jié)