基于神經網絡的腦組織圖像分割.pdf

1、對磁共振腦圖像中的腦組織進行分割是對腦組織進行定量分析的關鍵步驟。MR腦圖像中不同的腦組織(灰質、白質、腦脊液)互相混迭在一起而沒有明顯的邊界，MR成像過程中形成的偽影比其他醫(yī)學成像方式多得多(如化學位移偽影，運動偽影，磁敏感性偽影等)，磁場的不均勻性也會造成成像的偏差。這些因素使得要精確分割出不同的腦組織非常困難。 本文針對腦組織圖像分割問題進行了研究。首先將神經網絡應用于磁共振圖像分割技術研究中，采用局部刺激全局抑制神經元振

2、蕩網絡模型對腦組織圖像進行分割，結果同傳統(tǒng)的閾值分割結果進行對比。對腦組織圖像進行預分割工作，目的是剔除非腦組織，保留大腦結構。提出改進的模糊自組織神經網絡模型(IFKCN)，對原有算法進行兩點改進，進行模型性能分析。應用模型對預分割后的腦組織圖像進行細分割工作，目的是分割出白質，灰質、腦脊液等腦局部組織，在分割的過程中對網絡的關鍵參數(shù)進行研究。 本課題的研究工作和創(chuàng)新主要包括以下幾點： (1)對磁共振圖像的神經網絡算法

3、進行研究，采用局部刺激全局抑制神經元振蕩網絡模型進行腦組織圖像分割，通過與傳統(tǒng)的閾值分割結果進行對比證明其算法優(yōu)越性。 (2)對顱腦圖像進行預分割工作。提出基于區(qū)域生長法和基于邊界跟蹤的大腦邊界線提取方法，通過將結果進行比對證明區(qū)域跟蹤邊界提取算法更具穩(wěn)健型。 (3)對原模糊神經網絡學習算法進行兩點改進：隸屬度更新函數(shù)的調整，引入調整系數(shù)。提出一種改進的模糊Kohonen自組織神經網絡模型(IFKCN)。通過實驗進行模型