基于核模糊聚类优化算法的脑核磁共振图像分割研究
China Digital Medicine（2020）
摘要
目的:脑核磁共振(MR)图像中普遍存在噪声的影响,传统的核模糊C-均值(Kernel Fuzzy C-means,KFCM)算法无法得到理想的脑组织分割结果,为此提出一种基于核模糊聚类优化算法的分割模型.方法:首先通过粒子群算法确定KFCM的初始聚类中心,然后利用自适应中值滤波消除图像中的噪声,最后采用该模型分别对不同的图像进行实验.结果:该方法不仅能迅速确定图像的初始聚类中心,并且有效地消除图像中的噪声.结论:与传统KFCM算法相比,提出的模型具有更高的精确度和分割效率.
更多AI 理解论文
溯源树
样例
生成溯源树，研究论文发展脉络
Chat Paper
正在生成论文摘要