基于半監(jiān)督模糊聚類的醫(yī)學圖像分割系統(tǒng)設計.pdf

1、在圖像處理與計算機視覺領域中圖像分割是一個重要的問題。由于醫(yī)學圖像在成像過程中受到了多種因素（如分辨率、光照條件等）的影響，導致待提取的目標和背景之間具有一定的不確定性和相似性，對于這種不確定性問題最好的解決方法就是使用模糊圖像處理技術。醫(yī)學圖像分割就是把醫(yī)學圖像劃分成若干個互不相交的連通區(qū)域，使得醫(yī)學圖像在每個區(qū)域內都滿足特定區(qū)域的一致性，從而提取出感興趣的區(qū)域，并顯示出來，為醫(yī)學圖像的目標提取、識別、三維可視化和病理分析等提供可靠的

2、數據信息，醫(yī)學圖像分割的主要目的是對人體組織圖像進行符合病理學意義的區(qū)域劃分，從中提取出病變區(qū)域，為醫(yī)生對病人病情進行疾病診斷，提出治療方案并進行治療效果評價等提供參考。
　　本文在對半監(jiān)督模糊聚類基本理論以及半監(jiān)督學習方法深入研究的基礎上，針對傳統(tǒng)算法中存在的問題以及在圖像分割領域中遇到的實際困難，提出了一種改進的半監(jiān)督模糊聚類算法，并且在人腦核磁共振圖像(Magnetic Resonance Images，MRI)分割中得到了

3、應用。本文主要獲得以下研究成果:
　　(1)在傳統(tǒng)的模糊C均值聚類基礎上引入了半監(jiān)督模糊聚類，并通過UCI數據庫中鳶尾花(Iris)和酒(Wine)的數據集對引入半監(jiān)督后算法的有效性進行了驗證，得出了半監(jiān)督模糊C均值聚類算法在聚類精度上比原始的模糊C均值聚類算法有顯著提高的結論。
　　(2)本文針對大規(guī)模數據集中，在標記點稀疏的情況下半監(jiān)督模糊C均值聚類會變?yōu)閭鹘y(tǒng)的無監(jiān)督模糊C均值聚類的問題，提出了一種改進的半監(jiān)督模糊C均值

4、聚類算法。改進算法的思想主要是源自Bensaid提出的部分監(jiān)督模糊C均值聚類算法，在迭代過程中通過調整監(jiān)督信息的比重從而影響聚類中心。本文將改進的算法成功應用到了人腦MRI圖像分割中，并且使用分割精度和CPU運行速度等作為指標對聚類效果進行了綜合評價。最后證明了改進的算法在人腦MRI圖像分割中有很好的魯棒性和較快的分割速度。
　　(3)利用Matlab中GUI圖形用戶界面設計了一個醫(yī)學圖像分割的系統(tǒng)，通過設置不同的參數可以對醫(yī)學圖