甘肃省自然科学基金(32S042-B25-014)
- 作品数：3 被引量：20H指数：2
- 相关作者：马华张永王清贾桂霞郑鹏更多>>
- 相关机构：泰山医学院兰州理工大学兰州工业高等专科学校更多>>
- 发文基金：甘肃省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 改进的遗传模糊聚类算法对医学图像的分割被引量：5
- 2006年
- 利用遗传算法全局随机搜索的特点,可以解决模糊C均值聚类(FCM)算法在医学图像分割中容易陷入局部最优解的问题,但确定遗传算法的初始搜索范围时,需要借助于人的经验。为此,用收敛速度快的硬聚类算法得到的聚类中心作为参考,上下浮动划出一个较小的数据范围,作为遗传算法的初始搜索空间。该方法在避免FCM算法陷入局部最优化的同时,也加速了遗传算法的收敛过程。实验表明,该方法相对于标准的遗传模糊算法,效果要好得多。
- 马华张永贾桂霞
- 关键词：模糊C均值聚类遗传算法磁共振成像(MRI)图像分割
- 数据压缩的FCM算法用于人脑MRI图像的分割被引量：2
- 2006年
- 针对模糊C均值聚类(FuzzyC-meansclustering,FCM)算法在人脑磁共振成像(MagneticResonanceImaging,MRI)图像分割中存在的计算量大、运行时间过长的问题,提出一种加速方法。首先利用边界跟踪法对人脑MRI图像进行预处理,剔除颅骨和肌肉等非脑组织;然后通过数据压缩,即通过对相近的像素进行量化并聚合来减少像素个数;最后用FCM算法对大脑结构进行分割,结果得到脑白质、灰质和脑脊液图像区域。该方法能够使数据量大为减少,从而使FCM在图像分割中更加快速有效。
- 马华张西学郑鹏
- 关键词：图像分割模糊C均值数据压缩
- 基于改进FCM的医学图像分割被引量：13
- 2006年
- 为解决模糊C均值聚类(FCM)算法在图像分割尤其是医学图像分割中存在的计算量大、运行时间过长的问题,提出了一种改进方法。通过数据约减,即通过对相近的像素进行量化并聚合来减少像素个数,从而降低运算量。该方法用于人脑磁共振图像的分割比传统FCM算法的运算速度提高了50￣100多倍,并且选择合适大小的量化箱不会影响算法的分割效果。
- 马华王清张永
- 关键词：模糊C均值磁共振成像图像分割
