基于混合遗传算法mri分割

《基于混合遗传算法mri分割》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要磁共振成像是一种无损伤高分辨的医学成像技术，它能提供丰富的二维或三维可量化的信息。随着临床医学的发展，脑部结构图像得到了广泛的应用。一般来说，白质、灰质和脑脊液是大脑中三种最基本的物质。MRj的脑组织分割是基于MR图像和先验知识获得的信息，把二维或者三维图像中的每个像素或者体素划分为不同的组织类。由于磁共振设备本身的不完美及大脑组织的自身模糊结构，造成了按三种物质严格分割磁共振图像的团难．随着遗传算法近几年的快速发展，利用遗传算法及现有算法用于改进MRl分割的研究逐渐受到人们的关注。本文运用两种改进的遗传算法来处理MRI的分割问题。1、本文首先分析了模糊集理论及模糊聚类理论的特点，以及模糊

2、聚类在图像分割中的优缺点。在现有的模糊c一均值聚类算法的基础上，提出了一种新的遗传模糊聚类算法，有效地避免了直接使用c一均值聚类算法所带来的收敛到局部最优的问题，并在此基础上实现了对MRj的分割．对真实MRI图像的分析结果表明，该方法能有效地分割出脑的白质、灰质和脑脊液，为脑功能和结构的研究及临床应用提供了技术支持。2、本文首先分析了Markov随机场理论及模拟退火算法的基本理论，然后基于MRF的图像分割方法用Gibbs分布的参数表针图像不同像素间的关联性，对图像中噪声的影响有较好的抑制作用，提出了一种基于经典模拟退火算法及遗传算法的混合算法一遗传退火算法。该算法通过综合Markov的对噪声的

3、良好抑制作用，遗传算法的全局优化搜索性，模拟退火算法的较强的局部搜索能力应用于加噪声的MRl分割。实验表明该算法在相同参数设置和相同计算时间的情况下优于SA算法和遗传算法(GA)。关键词：MRl分割，遗传算法，模糊聚类，马尔可夫随机场，模拟退火算法ABSTRCTABSTRACTMagneticresonanceimaging(MRI)isanoninvasivewaymedicalimagingtechniquewithhighdifferentiation．Itcallquantitativelyproviderichinformationabouthumananatomyintwoorth

4、reedimensions．Alongwiththedevelopmentoftheclinicmedicine，theimagesofthebrainhavebeenappliedextensively．Ingeneral，whitematter,graymatter,andcerebralspinalfluidayethreebasictissuesinthebrain．Braintissuesegmentationofmagneticresonance(MR)imagesmeanstospecifythetissuetypeforeachpixelorvoxelina2Dor3Ddata

5、set，respectively,onthebasisofinformationavailablefrombothMRimagesandthepriorknowledgeofthebrain(fornotationalsimplicity,weusepixelforboth2Dand3Ddat曲．BecauseofboththehardwareimperfectionsoftheMRIdevicesandtheconnaturalfuzzyframeworkofthehumanbrain，itisdifficulttosegmenttheMRimageaccordingtothethreebr

6、aintissuesstrictly．Thegeneticalgorithmhasbeenfleetlydevelopedinrecentyears．Thus，theresearches，whichmakeuseofbothgeneticalgorithmandthemethodstoimprovethesegmentationinMRIhavebeengreatlyattemptedandtheyhavebecomemoreandmoreimportant．Therefore，twoimprovedgeneticalgorithmsareusedtodealwiththesegmentati

7、onoftheMRimage．First，weanalyzethecharacteristicofthefuzzytheoryandthefuzzyclusteringtheory,andthevirtueandthedefectoftheapplicationintheimagesegmentation．Next，basedonthefuzzyc—meanscluster,anewandimpr