-
摘要磁共振成像技术以其优点和实用性成为脑疾病临床诊断的重要辅助手段。然而，在实际应用中，脑MR图像中存在灰度不均匀性、噪声、脑组织的部分容积效应以及低对比度等缺陷，使脑MR图像的精确分割变得十分困难。为此，本文针对脑MR图像分割问题，提出一种有效的基于模糊粗糙C均值聚类的脑核磁共振分割模型。该模型利用图像内部数据结构划分近似集合，有效地克服了算法对于参数初始化的敏感性；同时引入多项式基函数，使得算法能够很好地克服核磁共振图像中灰度不均匀性对于分割精度的影响。实验结果表明，该模型具有较强的抗噪性，在估计图像中偏移场的同时得到精确的分割结果，对于参数初始化具有较强的鲁棒性。27041
- 上一篇：基于日志的事件摘要模块设计与实现
- 下一篇：汽车虚拟中控平台的仿真与软件实现
关键词 磁共振图像 图像分割 粗糙集 模糊聚类 噪声 偏移场 灰度不均匀
毕业论文设计说明书外文摘要
Title A Rough-fuzzy C-Means Clustering Algorithm for Magnetic Resonance Image Segmentation
Abstract
Magnetic resonance imaging technology given its advantages and practicality has become an important adjunct to the clinical diagnosis of brain diseases. Accurate segmentation of brain MR images is quite important for biomedical research and clinical applications. However, in practice, there are a few defects including intensity inhomogeneity of brain MR image, noise, partial volume effects of brain tissue and low-contrast,so that accurate segmentation of brain MR images becomes very difficult. In this paper, in order to solve segmentation problem of the Brain MR image, an effective brain fuzzy C-means clustering rough segmentation model based on nuclear magnetic resonance is put forward. The model is pided approximation image set by using an internal data structure, this way can effectively overcome the algorithm for the initialization parameter sensitivity; the introduction of polynomial basis functions can overcome the effects of gray unevenness . Experimental results show that this model has a strong anti-noise ,get accurate estimation image segmentation results of bias field at the same time ,and has strong robustness for parameter initialization.
Keywords brain magnetic resonance image segmentation; rough sets; fuzzy clustering model; noise;bias field; intensity inhomogeneity
目 次
1 绪论 1
1.1 研究背景 1
1.2 脑MR分割难点 1
1.3 国内外研究现状分析与发展趋势 2
2 粗糙集以及模糊聚类模型 4
2.1 聚类分析 4
2.2 粗糙集 5
2.3 粗糙模糊C均值算法 5
3 含有噪声以及偏移场的MR图像的相关分割方法和策略 6
3.1 含噪声脑MR图像的分割方法和策略 6
3.1.1 策略一：先去噪后分割 6
3.1.2 策略二：分割过程中克服噪声 7
3.2 含偏移场脑MR图像的分割方法和策略 7
3.2.1 策略三：先估计偏移场后分割 8
3.2.2 策略四：在分割过程中估计偏移场 8
4 粗糙模糊聚类的MR图像分割 10
4.1 解决的缺陷 10
4.2 粗糙模糊C均值混合模型（Rough-Fuzzy C-means,RFCM） 10
4.3 基于粗糙模糊集聚类的脑MR图像分割模型（Generalized Rough-Fuzzy C-Means, GRFCM） 11
-
基于MATLAB的图像增强算法设计
-
基于Kinect的手势跟踪与识别算法设计
-
JAVA基于安卓平台的医疗护工管理系统设计
-
基于核独立元分析的非线...
-
基于Hadoop的制造过程大数据存储平台构建
-
基于安卓系统的测量软件...
-
基于VC++的GIS矢量图形系统开发
乳业同业并购式全产业链...
当代大学生慈善意识研究+文献综述
杂拟谷盗体内共生菌沃尔...
十二层带中心支撑钢结构...
河岸冲刷和泥沙淤积的监测国内外研究现状
电站锅炉暖风器设计任务书
大众媒体对公共政策制定的影响
酸性水汽提装置总汽提塔设计+CAD图纸
java+mysql车辆管理系统的设计+源代码
中考体育项目与体育教学合理结合的研究