3DPIFCM：一种用于含噪脑 MRI 图像分割的新算法
计算机视觉与模式识别
2020-02-12 v2 分布式、并行与集群计算
图像与视频处理
摘要
我们提出了一种名为 3DPIFCM 的新算法，用于含噪 MRI 脑图像的自动分割。该算法是著名的 IFCM（改进模糊 C 均值，Improved Fuzzy C-Means）算法的扩展。它执行模糊分割，并引入一个受三维图像中体素邻近性与颜色强度影响的适应度函数。3DPIFCM 算法使用 PSO（粒子群优化，Particle Swarm Optimization）来优化该适应度函数。此外，3DPIFCM 利用邻近体素的三维特征以更好地校正噪声伪影。在我们的实验中，我们在噪声水平从 1% 到 20% 的 T1 Brainweb 数据集上以及在一个具有三维真值（ground truth）的合成数据集上评估了 3DPIFCM。分割结果的分析表明，与噪声图像中的两种通用变体相比，分割质量显著提升了高达 28%，而与原始 FCM（模糊 C 均值，Fuzzy C-Means）相比提升了高达 60%。
引用
@article{arxiv.2002.01985,
title = {3DPIFCM Novel Algorithm for Segmentation of Noisy Brain MRI Images},
author = {Arie Agranonik and Maya Herman and Mark Last},
journal= {arXiv preprint arXiv:2002.01985},
year = {2020}
}
备注
16 pages, 21 figures