基于模糊聚类的 T1 加权脊柱 MR 图像椎体分割
计算机视觉与模式识别
2016-05-10 v1
摘要
医学领域的图像分割由于分辨率低和对比度有限而是一个具有挑战性的领域。主要使用的常规分割技术和阈值方法由于严重依赖用户交互而存在局限性。图像中普遍存在的不确定性无法被这些技术捕获。当图像被噪声、离群值和其他伪影破坏时，性能进一步恶化。本文的目标是开发一种有效的鲁棒模糊 C 均值聚类，用于从磁共振图像中分割椎体，因其具有无监督学习形式。这项工作的动机是检测脊柱几何形状以及适当的定位与标记将提升医生的诊断输出。该方法与 Otsu 阈值化和 K 均值聚类进行比较，以证明其鲁棒性。验证的参考标准是放射科医师标注的图像，并使用 Dice 系数和 Hausdorff 距离度量来评估分割效果。
引用
@article{arxiv.1605.02460,
title = {Fuzzy Clustering Based Segmentation Of Vertebrae in T1-Weighted Spinal MR Images},
author = {Jiyo. S. Athertya and G. Saravana Kumar},
journal= {arXiv preprint arXiv:1605.02460},
year = {2016}
}