神经退行性疾病的PET图像空间模糊C均值分割
计算机视觉与模式识别
2013-03-05 v1
摘要
核医学图像在医学领域已成为一项极具前景的研究工作。来自不同模态的图像各自面临其挑战。正电子发射断层扫描（PET）图像可能有助于精确定位疾病，以协助为每个病例规划正确的治疗方案并节省宝贵时间。本文在PET扫描图像数据集上引入了一种空间模糊C均值（PET SFCM）聚类算法的新方法。该算法将空间邻域信息与传统FCM相结合，并更新每个聚类的目标函数。该算法已在患有阿尔茨海默病等大脑神经退行性疾病的大量患者数据集上实现并进行了测试。通过在真实世界患者数据集上进行测试，它证明了其有效性。实验结果与传统的FCM和K均值聚类算法进行了比较。PET SFCM的性能与其他两种算法相比提供了令人满意的结果。
引用
@article{arxiv.1303.0647,
title = {Spatial Fuzzy C Means PET Image Segmentation of Neurodegenerative Disorder},
author = {A. Meena and R. Raja},
journal= {arXiv preprint arXiv:1303.0647},
year = {2013}
}