基于模糊C均值的腦部MR圖像分割方法研究.pdf

1、磁共振(Magnetic Resonance，MR)圖像有著高對比度、高分辨率、多方位等優(yōu)點，廣泛應(yīng)用于各類腦疾病研究，但由于磁共振成像設(shè)備等客觀因素的限制，臨床采集的腦組織MR圖像存在噪聲、灰度不均勻、部分容積效應(yīng)等不利因素，而且腦組織形狀、邊界和拓撲結(jié)構(gòu)較為復(fù)雜，如何快速、精確地分割磁共振腦MR圖像是現(xiàn)今研究的重點。
　　基于模糊C均值的分割算法能夠很好描述MR圖像中存在的復(fù)雜性和組織邊界模糊等現(xiàn)象，且能滿足無監(jiān)督分割的需求，

2、因此成為近幾年比較流行的醫(yī)學(xué)圖像分割方法，受到國內(nèi)外學(xué)者的廣泛關(guān)注。本文對基于模糊C均值的腦MR圖像分割方法分析研究并進行改進，使用DARTEL方法對分割后的腦MR圖像配準(zhǔn)處理，并以阿爾茲海默癥和輕度認知障礙數(shù)據(jù)為例來驗證本文方法的有效性。
　　論文的主要工作有:1.采用邊緣檢測的方法對轉(zhuǎn)化為NIFTI格式的圖像進行非腦組織去除，排除非腦組織成分對分割結(jié)果的影響，提取腦組織，并使用形態(tài)學(xué)因子對結(jié)果進一步優(yōu)化，提高邊緣檢測準(zhǔn)確率;2

3、.從模糊C均值算法入手，分析了算法的優(yōu)缺點，模糊C均值算法的目標(biāo)函數(shù)是基于歐氏距離的，但歐氏距離對于數(shù)據(jù)點之間的細小差異區(qū)分不夠，而馬氏距離可以自適應(yīng)地調(diào)整數(shù)據(jù)的幾何分布，從而使相似數(shù)據(jù)點的距離較小，因此采用馬氏距離代替歐氏距離對算法的距離函數(shù)進行改進，針對提取腦組織后的圖像，采用改進算法將其分割為灰質(zhì)、白質(zhì)兩類組織類型，從體積計算和分類結(jié)果兩方面來對比分析;3.把分割后的圖像采用DARTEL配準(zhǔn)方法將其配準(zhǔn)到統(tǒng)一模板，進行大腦萎縮區(qū)域