基于群智能優(yōu)化算法的醫(yī)學(xué)圖像分割研究.pdf

1、近年來，隨著圖像技術(shù)和計算機應(yīng)用技術(shù)的不斷更新發(fā)展，計算機圖像技術(shù)在醫(yī)學(xué)領(lǐng)域的應(yīng)用也更加廣泛?，F(xiàn)如今醫(yī)學(xué)圖像處理技術(shù)已成為臨床診斷中的重要手段，醫(yī)學(xué)圖像技術(shù)中最重要的處理步驟就是醫(yī)學(xué)圖像分割。因此，怎樣有效的將醫(yī)學(xué)圖像進行快速的分割已經(jīng)成為當(dāng)今國內(nèi)外研究的重點。
　　本文提出一種改進的醫(yī)學(xué)圖像分割技術(shù)，利用群智能混合優(yōu)化算法對醫(yī)學(xué)圖像中正常組織和病變組織進行分割。群智能優(yōu)化算法利用群體性策略進行搜索，多點同時進行，使得搜索范圍更加

2、廣泛，增強了群體的全局搜索能力。群智能混合算法是將改進人工魚群算法和粒子群算法進行融合，改進的算法解決了人工魚群到后期收斂變慢和粒子群極易陷入局部極值的問題，將混合算法應(yīng)用到腦部醫(yī)學(xué)圖像分割中，使用最大類間方差公式作為目標(biāo)函數(shù)，從而快速、準(zhǔn)確的找到分割閾值對病理區(qū)進行分割。
　　本文所做的主要工作如下：
　　1）系統(tǒng)介紹了國內(nèi)外在醫(yī)學(xué)圖像領(lǐng)域的研究現(xiàn)狀和目前研究所顯現(xiàn)的問題，并且概述了醫(yī)學(xué)圖像的基本特點和進行醫(yī)學(xué)圖像分割的基

3、本方法。
　　2）介紹了人工魚群和粒子群的基本算法，并對它們的特點進行分析。對于人工魚群算法后期收斂減慢的問題，提出了在迭代中引入可變步長的方法進行改進，并且做了相關(guān)實驗進行驗證。
　　3）提出了混合優(yōu)化算法對腦部醫(yī)學(xué)圖像進行分割，定義為IAFS-PSO算法，將改進后人工魚群算法與粒子群算法進行融合，使用最大類間方差（Ostu）作為適應(yīng)度函數(shù)，利用混合優(yōu)化算法進行優(yōu)化得到分割閾值，然后進行醫(yī)學(xué)圖像的分割。仿真實驗通過對腦部醫(yī)