改进自组织特征网络的医学图像分割算法.pdf

《改进自组织特征网络的医学图像分割算法.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、黄建灯：改进自组织特征网络的医学图像分割算法《激光杂志)2o15年第36卷第1期LASERJOURNAL(Vo1．36．No．1．2015)改进自组织特征网络的医学图像分割算法黄建灯(桂林电子科技大学信息科技学院，广西桂林541004)摘要：为了提高医学图像分割精度，提出一种改进自组织特征网络的医学图像分割算法。首先采用小波包分解提取医学图像的特征，然后改进自组织特征网络建立医学图像分类器，实现医学图像分割．最后采用仿真实验测试算法的性能。仿真结果表明，本文算法不仅解决了传统医学图像分割算法存在的缺陷，提高医学图像分割的精度，具有较好的实际应用价值。关键词：医学图像；分割算法；自组

2、映射网络；小波包分解中图分类号：TN911文献标识码：ADOI编码：10．14016／j．cnki．igzz．2015．01．053SegmentationalgorithmofmedicalimagesbasedonimprovedSelf-OrganizingFeatureMapsnetworkHUANGJian—-deng(InstituteofInformationTechnology，GuilinUniversityofElectronicTechnology，Guilin，Guangxi541004，China)Abstract：Inordertoimprovethes

3、egmentationaccuracyofmedicalimagesegmentationalgorithm，amedicalim-agesegmentationalgorithmisproposedbasedonimprovedselforganizingfeaturemappingnetworkformedicalimage．Firstly，waveletpacketdecompositionisusedtoextractfeaturesofmedicalimages，andthentheimprovedselforgani—zingfeaturenetworkalgorith

4、misusedtoestablishmedicalimageclassifiertosegmentmedicalimage，finallythesimu—lationexperimentiscarriedouttotesttheperformanceofalgorithm．Thesimulationresultsshowthattheproposedalgo—rithmnotonlysolvesthedefectsexistingintraditionalsegmentationalgorithmsformedicalimage，improvethesegmen-tationacc

5、uracyofmedicalimage，andhasgoodpracticalvalue．Keywords：medicalimage；segmentationalgorithm；self-organizingfeaturemaps；waveletpacketdecomposition随着计算机图像处理技术的发展，计算机辅助诊统医学图像分割方法，它们获得更高的分割精度[6]。断在医疗诊断发挥越来越重要的作用。图像分割技术支持向量机基于结构风险最小原理．具有较强的非线可以获取感兴趣目标，是医学图像分析的基础。如何性分类能力．将医学图像转化一个二分类问题进行建提高医学图像分割的准确性是医

6、学图像处理领域中模，但是其采用交叉验证方法确定参数，当训练样本的研究热点。比较大时，计算的复杂度急剧增加，不能满足医学图针对医学图像分割问题。国内外许多学者进行了像分割的实时性要求[8]。人工神经网络基于经验结大量、深入的研究，传统医学图像分割方法主要分为：构风险最小原理，具有自组织、自学习的能力，相对于边缘检测法、阈值分割法、区域增长法等_2]，医学图支持向量机．分割效率更高，在医学图像分割中得到像在采集过程中．由于多种因素的影响。存在大量的了广泛的应用，但是传统神经网络结构的确定一般采噪声．导致边缘检测法难对感兴趣的目标进行准确分用凑试法，仅凭感觉或经验构造网络，往往不易找到割

7、。误分率比较大：阈值分割法主要通过设置相应的合适的网络结构，容易造成过拟合或欠拟和合_9]。自分割阈值对背景和目标进行有效分割，当前主要采用组织映射(Self—OrganizingFeatureMaps，SOFM)网络经验法确定分割阈值，这样分割结果具有盲目标，同是一模拟生物神经系统的前馈神经网络，能够竞争式时不能充分利用像素点附近的局部信息，应用范围受地自组织的无监督学习网络。依靠神经元之间的协限[5]。区域增长法主要有分水岭分割算法，其存在计调、竞争等作用来进行信