多发性硬化症MR图像分割新算法研究

doi:10.3778/j.issn.1002-8331.2009.02.051

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (2): 176-178.DOI: 10.3778/j.issn.1002-8331.2009.02.051

• 图形、图像、模式识别 • 上一篇下一篇

多发性硬化症MR图像分割新算法研究

余学飞,李彬,陈武凡

南方医科大学生物医学工程学院，广州 510515

收稿日期:2008-07-03 修回日期:2008-08-21 出版日期:2009-01-11 发布日期:2009-01-11
通讯作者: 余学飞

Novel segmentation algorithm for multiple sclerosis lesions in MR images

YU Xue-fei,LI Bin,CHEN Wu-fan

School of Biomedical Engineering，Southern Medical University，Guangzhou 510515，China

Received:2008-07-03 Revised:2008-08-21 Online:2009-01-11 Published:2009-01-11
Contact: YU Xue-fei

摘要/Abstract

摘要： 提出了一种针对多发性硬化症病灶T2加权脑部磁共振（MR）图像的分割算法。根据多发性硬化症病灶和脑脊液在T2加权像上同表现为高亮度信号的特点，把模糊C均值分割算法与形态学方法相结合，提出了基于核模糊C均值的多发性硬化症病灶分割算法。该算法首先用改进的核模糊C均值算法做基础分割，再用形态学方法提取出多发性硬化症病灶得到最终分割结果。通过对多发性硬化症模拟脑部MR图像的分割结果表明，算法能够比较准确地分割多发性硬化症病灶。

关键词: 图像分割, 核模糊C均值, 多发性硬化症

Abstract: A novel approach to the segmentation of Multiple Sclerosis（MS） lesions in T2-weighted Magnetic Resonance（MR） images is presented.According to the characteristic of MS lesions show the same high brightness with CerebroSpinal Fluid（CSF） in T2-weighted images，combining the strengths of the kernel fuzzy C-means algorithm and morphology characteristics of MS lesion tissues，the segmentation of MS lesions based on kernel fuzzy C-means algorithm is presented.The modified kernel fuzzy C-means algorithm is used to basic segmentation.Then the MS lesions are extracted by morphological method.The MS segmentation in simulated T2-weighted MR images show that the proposed algorithm can provide a powerful segmentation.

Key words: segmentation of image, kernel fuzzy C-means, multiple sclerosis lesions

余学飞,李彬,陈武凡. 多发性硬化症MR图像分割新算法研究[J]. 计算机工程与应用, 2009, 45(2): 176-178.

YU Xue-fei,LI Bin,CHEN Wu-fan. Novel segmentation algorithm for multiple sclerosis lesions in MR images[J]. Computer Engineering and Applications, 2009, 45(2): 176-178.

[1]	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.
[2]	赵阳，张俊华. 多尺度特征融合的脊柱X线图像分割方法[J]. 计算机工程与应用, 2021, 57(8): 214-219.
[3]	潘沛鑫，潘中良. 结合显著性的主动轮廓图像分割[J]. 计算机工程与应用, 2021, 57(8): 225-230.
[4]	董鹏，周烽，赵悰悰，王亚飞，米泽田，付先平. 基于双目视觉的水下海参尺寸自动测量方法[J]. 计算机工程与应用, 2021, 57(8): 271-278.
[5]	彭璟，罗浩宇，赵淦森，林成创，易序晟，陈少洁. 深度学习下的医学影像分割算法综述[J]. 计算机工程与应用, 2021, 57(3): 44-57.
[6]	刘锐，丁辉，尚媛园，邵珠宏，刘铁. COVID-19医学影像数据集及研究进展[J]. 计算机工程与应用, 2021, 57(22): 15-27.
[7]	周绍光，吴昊，赵婵娟，陈仁喜. 利用同质区特性的高光谱图像迁移学习分类[J]. 计算机工程与应用, 2021, 57(21): 224-233.
[8]	丁成，翁理国，夏旻，崔逸尘，钱俊豪，刘佳. 多注意力机制网络卫星图像分割算法[J]. 计算机工程与应用, 2021, 57(2): 223-229.
[9]	李振强，王树才，赵世达，白宇. 改进DeepLabv3+和XGBoost的羊骨架切割方法[J]. 计算机工程与应用, 2021, 57(18): 263-269.
[10]	孙玮婕，杨军. 改进的简单非迭代聚类的遥感影像分割研究[J]. 计算机工程与应用, 2021, 57(13): 185-192.
[11]	杨勇，郭玲，叶阳东. 全变分流边与M2GGD相结合的自然图像分割方法[J]. 计算机工程与应用, 2021, 57(11): 202-210.
[12]	鲁圆圆，冯浩，李靖. 结合分布度量统计建模的主动轮廓图像分割[J]. 计算机工程与应用, 2020, 56(7): 228-233.
[13]	张姝洁，郑利平，韩清，张晗. 从图片到衣服：快速虚拟角色服饰生成方法[J]. 计算机工程与应用, 2020, 56(7): 234-239.
[14]	李超超，张远东，王昌龙. 圆形植物识别定位的HSV模型研究[J]. 计算机工程与应用, 2020, 56(6): 220-223.
[15]	王燕，亓祥惠，段亚西. 基于马尔科夫随机场的改进FCM图像分割算法[J]. 计算机工程与应用, 2020, 56(4): 197-201.

多发性硬化症MR图像分割新算法研究

Novel segmentation algorithm for multiple sclerosis lesions in MR images

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics