基于模糊马尔可夫场的脑部MR图像分割算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (7): 14-16.

基于模糊马尔可夫场的脑部MR图像分割算法

李彬陈武凡颜刚

南方医科大学生物医学工程学院

收稿日期:2006-09-06 修回日期:1900-01-01 出版日期:2007-03-01 发布日期:2007-03-01
通讯作者: 李彬

A Novel Algorithm for Segmentation of Brain MR Images Using Fuzzy Markov Random Field Model

Bin Li WuFan Chen Gang Yan

Received:2006-09-06 Revised:1900-01-01 Online:2007-03-01 Published:2007-03-01
Contact: Bin Li

摘要/Abstract

摘要： 磁共振(MR)图像由于部分容积效应使其表现出一定的模糊性。由于传统的马尔可夫随机场模型仅能处理确定问题，因此在运用该模型分割MR图像时效果不佳。本文在传统马尔可夫场模型的基础上，建立了模糊马尔可夫场模型。通过对模型的分析得出图像像素对不同类的隶属度计算公式，提出了一种高效、无监督的图像分割算法，从而实现了对脑部MR图像的精确分割。通过对模拟脑部MR图像和临床脑部MR图像分割实验，表明本文提出的新算法比传统的基于马尔可夫场的图像分割算法和模糊C-均值等图像分割算法有更精确的图像分割能力。

关键词: 图像分割, 马尔可夫场, 模糊, 磁共振图像

Abstract: The magnetic resonance (MR) images behavior fuzziness duo to the artifact of partial volume effects. The conventional Markov random field (MRF) model can only deal with the deterministic problem, so the segmentation results are often undesired using conventional MRF model. In this paper, a fuzzy MRF model is developed based on the conventional MRF model. By analyzing the fuzzy MRF model, the formula of determining the membership values for each voxel to indicate the partial volume degree is derived. We also proposed an efficient and unsupervised algorithm to realize the accurate segmentation for MR brain images. The simulated brain images and real clinical images are selected to test the proposed algorithm. The experimental results show that the proposed algorithm can segment the brain images more accurately than the conventional model-based algorithms and the fuzzy C-mean do as well.

Key words: image segmentation, Markov random field, fuzzy, magnetic resonance images

李彬陈武凡颜刚. 基于模糊马尔可夫场的脑部MR图像分割算法[J]. 计算机工程与应用, 2007, 43(7): 14-16.

Bin Li WuFan Chen Gang Yan. A Novel Algorithm for Segmentation of Brain MR Images Using Fuzzy Markov Random Field Model[J]. Computer Engineering and Applications, 2007, 43(7): 14-16.

[1]	王永贵, 林佳敏, 何佳玉. 融合领导者影响与隐式信任度的群组推荐方法[J]. 计算机工程与应用, 2022, 58(9): 98-106.
[2]	韩海韵, 杨有龙, 孙丽芹. 结合模糊聚类的多示例集成算法[J]. 计算机工程与应用, 2022, 58(7): 87-96.
[3]	廖浩德, 邹晓凤, 王兵, 肖辞源. 模糊随机碰撞工作量证明共识算法[J]. 计算机工程与应用, 2022, 58(7): 137-141.
[4]	单怡晴, 黄梦醒, 张雨, 李玉春, 张新华, 冯思玲, 陈晶. 改进卷积神经网络的前列腺癌格里森分级研究[J]. 计算机工程与应用, 2022, 58(7): 243-249.
[5]	金贵, 周礼刚, 吴澎, 刘欣悦. 属性权重未知情形下的[q]阶orthopair犹豫模糊TOPSIS法[J]. 计算机工程与应用, 2022, 58(6): 256-263.
[6]	韩二东, 李占强. Pythagorean模糊对称交叉熵及加权投影的多属性决策[J]. 计算机工程与应用, 2022, 58(5): 75-84.
[7]	王永贵, 李昕. 融合狼群算法和模糊聚类的混合推荐算法[J]. 计算机工程与应用, 2022, 58(5): 104-111.
[8]	施漪涵, 仝明磊, 张魁, 姚宏扬. 基于双塔结构的场景文字检测模型[J]. 计算机工程与应用, 2022, 58(3): 242-248.
[9]	高阳, 张晓晖, 高玉儿, 尚婷, 杨启航. 基于神经网络和模糊补偿的水下机械臂控制[J]. 计算机工程与应用, 2022, 58(15): 317-323.
[10]	王国力, 孙宇, 魏本征. 医学图像图深度学习分割算法综述[J]. 计算机工程与应用, 2022, 58(12): 37-50.
[11]	李松, 袁安琪. 考虑直觉模糊的多指标人岗双边匹配决策方法[J]. 计算机工程与应用, 2022, 58(12): 304-309.
[12]	陈功, 曾国辉, 黄勃, 刘瑾. 融合互利共生和透镜成像学习的HHO算法[J]. 计算机工程与应用, 2022, 58(10): 76-86.
[13]	赵小虎, 李晓, 叶圣, 李晓, 冯伟, 尤星懿. 基于改进U-Net网络的多尺度番茄病害分割算法[J]. 计算机工程与应用, 2022, 58(10): 216-223.
[14]	兰红，黄敏. 融合KNN优化的密度峰值和FCM聚类算法[J]. 计算机工程与应用, 2021, 57(9): 81-88.
[15]	史春天，曾艳阳，侯守明. 群体智能算法在图像分割中的应用综述[J]. 计算机工程与应用, 2021, 57(8): 36-47.