基于仿生模式识别的医学图像分割方法

doi:10.3778/j.issn.1002-8331.2009.16.054

计算机工程与应用 ›› 2009, Vol. 45 ›› Issue (16): 185-187.DOI: 10.3778/j.issn.1002-8331.2009.16.054

• 图形、图像、模式识别 • 上一篇下一篇

基于仿生模式识别的医学图像分割方法

吴海珍,何伟,蒋加伏,齐琦

长沙理工大学计算机与通信工程学院，长沙 410114

收稿日期:2008-10-09 修回日期:2009-01-13 出版日期:2009-06-01 发布日期:2009-06-01
通讯作者: 吴海珍

Medical image segmentation based on biomimetic pattern recognition

WU Hai-zhen,HE Wei,JIANG Jia-fu,QI Qi

College of Computer and Communication Engineering，Changsha University of Science and Technology，Changsha 410114，China

Received:2008-10-09 Revised:2009-01-13 Online:2009-06-01 Published:2009-06-01
Contact: WU Hai-zhen

摘要/Abstract

摘要： 提出了一种基于仿生模式识别的医学图像分割算法。该算法首先根据训练样本矢量确定Ψ³神经元的权值，并在此基础上构建多权值神经元网络；然后利用神经元网络完成样本在高维特征空间的最佳覆盖；最后根据覆盖结果进行识别、分割。实验结果表明，与传统医学图像分割方法相比，该算法具有更高的准确性和可靠性，更好的泛化能力。此外，该算法从“认识”的角度出发，可以有效融合先验知识，能快速准确地从医学图像中分割出感兴趣的区域，具有较高的智能性。

关键词: 仿生模式识别, 医学图像分割, Ψ³神经元

Abstract: A medical image segmentation algorithm based on biomimetic pattern recognition is proposed.First，Ψ³-neurons’ weights are determined according to training samples and then Multi-Weights Neuron Networks are established.Second，the neuron networks are used to completely cover sample’s high dimensional feature space.Finally，medical images are recognized and segmented based on the results of the optimal coverage of the samples.The experimental results show that the proposed method has higher accuracy，reliability and better generalization than the traditional medical image segmentation methods.Besides，from the cognitive respect，this algorithm emphasizes on“cognition”，which can effectively integrate transcendental knowledge and obtain the desired object from medical images quickly and reliably，therefore it is highly intelligent.

Key words: biomimetic pattern recognition, medical image segmentation, Ψ³-neuron

吴海珍,何伟,蒋加伏,齐琦. 基于仿生模式识别的医学图像分割方法[J]. 计算机工程与应用, 2009, 45(16): 185-187.

WU Hai-zhen,HE Wei,JIANG Jia-fu,QI Qi. Medical image segmentation based on biomimetic pattern recognition[J]. Computer Engineering and Applications, 2009, 45(16): 185-187.

[1]	郭树旭1，马树志1，李晶2，张惠茅2，孙长建1，金兰依1，刘晓鸣1，刘奇楠1，李雪妍1. 基于全卷积神经网络的肝脏CT影像分割研究[J]. 计算机工程与应用, 2017, 53(18): 126-131.
[2]	张翡，范虹. 基于模糊C均值聚类的医学图像分割研究[J]. 计算机工程与应用, 2014, 50(4): 144-151.
[3]	陈勇1，王宪保2. 基于二进小波变换和仿生模式识别的人脸识别[J]. 计算机工程与应用, 2013, 49(17): 186-189.
[4]	张效娟1，刘技2，王昊2，3，刘玲玲2. Snake与多尺度分析的医学图像分割研究[J]. 计算机工程与应用, 2011, 47(18): 207-209.
[5]	刘军立，孙劲光. 基于高维仿生覆盖的人脸识别方法[J]. 计算机工程与应用, 2011, 47(17): 178-180.
[6]	周书仁1，2，邵晶2，蒋加伏2. 基于DCT与LDA的仿生人脸识别研究[J]. 计算机工程与应用, 2011, 47(13): 208-211.
[7]	王宪保1，陈勇2，汤丽平1. 结合MFCC分析和仿生模式识别的语音识别研究[J]. 计算机工程与应用, 2011, 47(12): 20-22.
[8]	蒋加伏，袁承伟. 融合PCA与LDA变换的仿生人脸识别研究[J]. 计算机工程与应用, 2010, 46(19): 160-163.
[9]	杨青，何明一. 改进CV模型的医学图像分割[J]. 计算机工程与应用, 2010, 46(17): 194-196.
[10]	陈灵娜，罗扬，陈增科. 一种新的肝肿瘤CT图像分割方法[J]. 计算机工程与应用, 2009, 45(34): 222-224.
[11]	李晗,武妍. 仿生模式识别理论在性别识别中的应用[J]. 计算机工程与应用, 2009, 45(3): 181-183.
[12]	黄文明. 曲线拟合的模糊医学图像分割算法[J]. 计算机工程与应用, 2009, 45(18): 194-197.
[13]	王娜,郭敏. 改进的Fast Marching方法在医学图像分割中的应用[J]. 计算机工程与应用, 2009, 45(18): 225-226.
[14]	魏本征^1,2,尹义龙¹. 基于PSO的Markov随机场在医学图像分割中的应用[J]. 计算机工程与应用, 2008, 44(6): 213-215.
[15]	张宁,秦安,陈武凡. 一种新的心脏磁共振图像分割方法[J]. 计算机工程与应用, 2008, 44(31): 224-226.

基于仿生模式识别的医学图像分割方法

Medical image segmentation based on biomimetic pattern recognition

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