一种基于模糊核聚类的脑部磁共振图像分割算法

摘要

目的 针对普通模糊核聚类算法(kernel fuzzy c-means clustering algorithm,KFCM)存在的随机选择初始聚类中心的问题,本文提出一种根据直方图得到确定的初始聚类中心的模糊核聚类算法,以更快速地分割脑部磁共振图像.方法 首先利用区域生长法和形态学方法对原始脑部磁共振图像进行预处理,提取脑实质,然后计算出预处理图像的直方图,将直方图的4个峰值作为模糊核聚类的初始聚类中心,最后利用模糊核聚类算法对脑实质进行分割.结果 本文算法能有效地提取出脑组织中的白质(white matter,WM)、灰质(grey matter,GM)和脑脊髓液(cerebral spinal fluid,CSF).与普通模糊核聚类算法相比,该算法的目标函数能更快地达到平稳,从而缩短运行时间.结论 本文算法与随机选择聚类中心的模糊核聚类算法相比,可减少迭代次数,更快地得到分割结果.