基于FCM聚类算法的人脑MRI图像分割

›› 2017, Vol. 2 ›› Issue (12): 49-52.

基于FCM聚类算法的人脑MRI图像分割

（大理大学工程学院，云南大理671003）

收稿日期:2017-07-14 出版日期:2017-12-15 发布日期:2017-12-15
作者简介:谢勇，副教授，主要从事理论物理、生物医学工程学研究.
基金资助:
云南省教育厅科学研究基金资助项目（2015Y389）

Human Brain MRI Image Segmentation Based on FCM Clustering Algorithm

（College of Engineering, Dali University, Dali, Yunnan 671003, China）

Received:2017-07-14 Online:2017-12-15 Published:2017-12-15

摘要/Abstract

摘要： 磁共振成像（MRI）在脑功能的研究方面有着独特的优势，但脑组织的交织分布以及成像过程中磁场的不均匀性、部分容积效应以及噪声的影响，使得MRI图像的边界模糊不清。图像分割技术可以对医学图像中需要关注的区域进行分割处理，以辅助医生做出准确的诊断。在众多的医学图像分割技术中，模糊C-均值（FCM）聚类分割技术是目前广泛被使用的有效方法。讨论了基于MATLAB平台的医学图像FCM聚类的实现方法。

关键词: FCM聚类, 磁共振成像（MRI）, 图像分割

Abstract: Magnetic resonance imaging（MRI）has a unique advantage in the study of brain functions, but the overlapping of brain tissues and the inhomogeneity of the magnetic fields in the process of imaging, the partial volume effects and noises make the MRI image boundary ambiguous. The image segmentation technology may segment and extract the needed area of medical image and assist the doctor in making an accurate diagnosis. The experimental results show that comparing with other medial segmentation technologies, the fuzzy C-mean（FCM）clustering technology can segment the human brain magnetic resonance imaging effectively. The method to realize the FCM clustering of medical images based on MATLAB is also discussed in the present research.

Key words: FCM clustering, Magnetic Resonance Imaging（MRI）, image segmentation

中图分类号:

TP311

谢勇. 基于FCM聚类算法的人脑MRI图像分割[J]. , 2017, 2(12): 49-52.

Xie Yong. Human Brain MRI Image Segmentation Based on FCM Clustering Algorithm[J]. , 2017, 2(12): 49-52.

参考文献

〔1〕楚存坤，李月卿，王昌元，等. 颅脑MRI图像模糊聚类分割算法中模糊聚类数的讨论〔J〕. 泰山医学院学报， 2007，28（3）：175-178. 〔2〕朱晓舒，孙权森，夏德深，等. 基于MultiLayer水平集的脑 MRI图像分割框架〔J〕. 计算机科学，2014，41（9）：297- 300. 〔3〕周则明，尤建洁，范春晖，等. 结合水平集方法和形状约束Snake模型的左心室MRI图像分割〔J〕. 模式识别与人工智能，2006，19（6）：782-786. 〔4〕吕晓琪，范运洲，谷宇，等. 基于人工交互分水岭区域合并的医学图像分割研究〔J〕. 中国医学影像学杂志， 2010，18（6）：516-520. 〔5〕戴橙，陈胜. 改进的分水岭算法用于X 光医学图像分割〔J〕. 电子科技，2015，28（6）：9-12. 〔6〕舒添慧，胥布工，胡战虎.基于区域生长法的医学图像分割〔J〕.微计算机信息，2008，24（18）：284-285. 〔7〕洪容容，叶少珍. 基于改进的区域生长鼻咽癌MＲ医学图像分割〔J〕. 福州大学学报（自然科学版），2014，42 （5）：683-687. 〔8〕聂生东，陈瑛，顾顺德，等. 磁共振颅脑图像快速模糊聚类分割算法的研究〔J〕. 中国生物医学工程学报，2001， 20（2）：104-109. 〔9〕HALL L O，BENSAID A M，CLARKE L P，et al. A compari? son of neural network and fuzzy clustering techniques in segmenting magnetic resonance images of the brain〔J〕. Neural Networks IEEE Trans，1992，3（5）：672-681. 〔10〕ZHENG Y，BYEUNGWOO J，XU D，et al. Image segmen? tation by generalized hierarchical fuzzy C- means algo? rithm〔J〕. Journal of Intelligent & Fuzzy Systems，2015，28 （2）：4024-4028. 〔11〕赵凤. 基于模糊聚类的图像分割〔M〕. 西安：西安电子科技大学出版社，2015. 〔12〕NIKHIL P R，BEZDEK J C. On cluster validity for the fuzzy C- means model〔J〕. IEEE Transactions on Fuzzy Systems，1995，3（3）：370-379．

[1]	赵榆琴 . 基于能力训练的程序设计形成性评价研究[J]. , 2019, 4(6): 22-26.
[2]	罗桂兰, 张梅, 黄伟, 张丽娜. 洱海湿地昆虫智能生境监测系统设计[J]. , 2018, 3(12): 8-13.
[3]	曾新, 杨健, 张鑫, 陶安玲. 基于K-means算法的优秀班集体评选方法[J]. , 2018, 3(12): 24-29.
[4]	赵秦怡，黑韶敏. 基于期望语义距离的不确定k近邻分类方法[J]. , 2017, 2(12): 16-20.
[5]	杨健，李海光，张晓玲. 白语语音语料库建设研究[J]. , 2017, 2(12): 21-26.
[6]	曾新，李晓伟，杨健. 空间co-location模式挖掘表实例的计算方法[J]. , 2017, 2(12): 27-31.
[7]	杨健，张晓玲，杨邓奇. 基于Android的移动学习系统中Web Service的构建与实现[J]. J4, 2015, 14(6): 23-27.
[8]	李佐军. 基于关联规则兴趣度的课程设置研究[J]. J4, 2014, 13(6): 20-23.
[9]	廖明梅, 舒清录. 如何在PowerPoint中实现汉字笔画书写的动画效果[J]. J4, 2012, 11(10): 9-11.
[10]	. 基于.NET平台的Excel报表研究与实现[J]. J4, 2012, 11(4): 18-21.
[11]	. 基于关系数据库的大理白族民俗多媒体系统研究[J]. J4, 2012, 11(4): 22-24.
[12]	赵榆琴, 黄和飞. 基于领域本体的需求获取与表示方法[J]. J4, 2010, 9(4): 38-41.
[13]	杜英国, 孙思良. 基于本体的个人信息构建方法及共享研究[J]. J4, 2010, 9(4): 45-47.