论文部分内容阅读
目的本文提出一种基于聚类的无监督脑部MR图像分割新算法,有别于传统的基于灰度阈值和一维空间MR图像分割算法。方法首先,估算输入图像的质子密度和弛豫时间;然后,描述输入图像的概率分布;最后,采用基于空间关联决策准则识别最佳分类区域,达到图像分割的效果。结果选用不同分割算法对人工合成图像和临床实例MR图像进行仿真实验。定性分析结果是本文算法的分割图像边缘和细节部分保存的完整清晰;定量评估结果显示基于本文分割算法能获得探测率最大和误报率最小,且在15~30 dB信噪比范围内的戴斯相似性系数和杰卡德相似性系数均最