摘要
提出了一种智能肝肿瘤CT图像分割的新方法。该方法将医学专家的高层知识融合到图像分割算法中,使算法具有智能性,能够更加准确、快速地实现分割。根据医学图像分割不同阶段的特点以及不同算法的适用性,结合了多尺度分水岭变换与模糊聚类方法,从总体上达到最佳效果。将图像空间信息引入传统的基于灰度的模糊C均值聚类算法中,对传统的模糊C均值聚类算法的目标函数进行修正,推导出修正后算法的迭代公式,并证明了迭代的收敛性。对实际CT肝肿瘤图像的分割实验结果验证了所提方法的有效性。
A novel method for liver tumor CT image segmentation was proposed in this paper. By utilizing the high level knowledge of medical experts, the method could segment the image more accurately and faster. Combining a multi-scale watershed algorithm and fuzzy C-means clustering, an optimal result could be achieved. The traditional FCM algorithm was modified by introducing spatial information in the optimization function, and its convergence was proven. Experimental results showed that the modified algorithm performs better than the traditional one in its correctness and compactness of clustering.
出处
《中国生物医学工程学报》
CAS
CSCD
北大核心
2007年第4期541-550,共10页
Chinese Journal of Biomedical Engineering
基金
江苏省自然科学基金(BK2005147)
教育部科学技术研究重点项目(205060)
中科院自动化所模式识别国家重点实验室开放基金(2004)
南京大学计算机软件新技术国家重点实验室开放基金(2005)
江苏省高校自然科学研究计划重点项目(02KJA510001)。
关键词
肝肿瘤图象分割
模糊C均值聚类
智能算法
分水岭变换
liver tumor image segmentation
fuzzy C-means（FCM）
intelligent algorithm
watershed transform
