基于粒子群算法的腦核磁共振圖像分割技術(shù)研究.pdf

1、醫(yī)學(xué)圖像分割是圖像分割的一個(gè)重要的應(yīng)用領(lǐng)域，是醫(yī)學(xué)圖像處理和分析的基礎(chǔ)和經(jīng)典難題。在諸多醫(yī)學(xué)成像技術(shù)中，核磁共振圖像由于具有數(shù)據(jù)量大、分辨率高、對(duì)人體無損傷等特點(diǎn)而得到廣泛的應(yīng)用，其中腦核磁共振圖像分割技術(shù)由于其極高的應(yīng)用價(jià)值近年來成為醫(yī)學(xué)圖像分割的研究熱點(diǎn)。 本文在前人已有工作的基礎(chǔ)上，對(duì)粒子群算法及其在腦核磁共振圖像分割中的應(yīng)用進(jìn)行了研究，具體工作內(nèi)容如下： （1）介紹了腦核磁共振圖像分割的研究背景和意義，并對(duì)現(xiàn)有的

2、醫(yī)學(xué)圖像分割方法進(jìn)行了分類和概括性的總結(jié)，以及闡述本文的主要工作。 （2）分析介紹了粒子群算法的基本原理、研究狀況、實(shí)驗(yàn)設(shè)計(jì)準(zhǔn)則等基礎(chǔ)性知識(shí)，并針對(duì)粒子群優(yōu)化算法的早熟收斂問題，提出了一種基于突變的引入收縮因子的粒子群算法。該算法以一定概率對(duì)粒子的個(gè)體極值進(jìn)行突變，使其能夠進(jìn)入搜索空間的其他區(qū)域進(jìn)行搜索，防止粒子群算法陷入局部最優(yōu)，有效的達(dá)到全局最優(yōu)，提高了收斂速度，并結(jié)合基本粒子群算法、引入收縮因子的粒子群算法以及改進(jìn)的粒子群

3、算法進(jìn)行了大量的關(guān)于若干標(biāo)準(zhǔn)測(cè)試函數(shù)的仿真實(shí)驗(yàn)，逐一進(jìn)行數(shù)據(jù)比對(duì)和分析，實(shí)驗(yàn)結(jié)果證明，該方法能夠較好的預(yù)防陷入局部最優(yōu)解，從而達(dá)到全局最優(yōu)解，且使其收斂速度得到一定的提高。 （3）結(jié)合改進(jìn)的粒子群算法，提出一種基于改進(jìn)PSO并引入鄰域信息的模糊C-均值聚類的腦核磁共振圖像分割方法。通過引入像素的鄰域信息，減小噪聲對(duì)圖像分割的影響，并估計(jì)出整幅圖像的偏移場(chǎng)；通過引入基于突變的引入收縮因子的粒子群算法，解決了其他優(yōu)化算法優(yōu)化圖像分割