基于網(wǎng)絡(luò)的醫(yī)學(xué)圖象分割處理算法研究.pdf

1、在對醫(yī)學(xué)圖象分割算法的討論中，本文分別應(yīng)用了主動輪廓模型、數(shù)字拓撲理論、模糊聚類策略，統(tǒng)計學(xué)和隨機場模型對醫(yī)學(xué)圖象中的特定組織進行了分割和聚類。通過對原有算法的分析，針對每一種算法的不足都相應(yīng)的做出了較大的改進，從而從理論上克服了模型原來所固有的不足。通過實驗和對圖象分割質(zhì)量指標(biāo)的分析，用定量的方法肯定了算法的改進。本文的個章節(jié)的安排如下：在第一章中，我們討論了PACS系統(tǒng)的構(gòu)架，介紹了該系統(tǒng)所包含的多個方面內(nèi)容。在第二章中，討論了

2、基于幾何型主動輪廓模型的序列化分割方法。在第三章中，通過對模糊對象的定義進行擴展，提出了對醫(yī)學(xué)圖象中普遍存在的多對象按照空間元素對其的模糊連通強度進行動態(tài)對象定義從而實現(xiàn)圖象分割的方法。在第四章中，放松了傳統(tǒng)FCM算法對隸屬度的限制，提出了一種基于描述元素在特定類中典型程度的改進松弛FCM聚類方法。在第五章中，根據(jù)概率論和隨機場模型，討論了基于最大后驗概率(MAP)條件下的最佳分割算法。最后，在第六章中對研究工作做了一個總結(jié)，并確定了下