基于密度峰值搜索的脑纤维快速聚类算法

摘要

弥散张量成像为人类大脑白质结构无创检测提供了良好的前景,但是这类方法往往会产生庞大且难以理解的纤维数据集,如何对纤维集合进行有效地可视分析是临床研究中的重要问题.为解决该问题,采用动态时间规整算法,该算法通过拉伸和压缩两时间序列将其整合成同一长度然后计算最短折叠路径距离作为其相似距离,并将其扩展用于脑纤维相似性测量并得到快速且准确的结果.相似度是纤维聚类的唯一信息来源,纤维相似度矩阵的计算占据主要的计算时间,对密度峰值搜索算法进行改进,在连续聚类框架中对脑纤维进行聚类.最后通过实验证明这种连续聚类方法在满足聚类精度要求的同时能显著降低计算复杂度.