目的 研究一種基于差分搜索的最大類間方差法,尋找多閾值對腦部磁共振圖像進行有效分割。方法 通過BET（brain extraction tool）算法去除原始磁共振圖像的非腦組織部分,使用BFC（best-fit with coalescing）算法去除強度不均勻性,使用差分搜索算法對圖像進行最大類間方差尋優(yōu),找出最優(yōu)閾值,從而對磁共振圖像進行多閾值分割。使用BrainWeb提供的仿真磁共振腦部圖像數(shù)據(jù)對方法進行驗證。結(jié)果 對于不同噪聲水平、強度不均勻性條件下的磁共振圖像,所提出的基于差分搜索的最大類間方差法的分割效果均優(yōu)于腦功能磁共振成像軟件庫（FSL）、統(tǒng)計參數(shù)圖（SPM）和Brainsuite方法。結(jié)論 基于差分搜索的最大類間方差法有較好的分割精度與強健性,尤其對腦脊液有很好的分割效果。 

【文章來源】：國際生物醫(yī)學工程雜志. 2019,(05)

【文章頁數(shù)】： 頁

【參考文獻】：
期刊論文
[1]基于過濾引導及隨機性策略的差分搜索算法[J]. 康志龍,張東婧,郭艷菊,張雪萍,陳雷.  燕山大學學報. 2017(03)
[2]圖像閾值分割方法研究進展20年（1994—2014）[J]. 吳一全,孟天亮,吳詩婳.  數(shù)據(jù)采集與處理. 2015(01)



本文編號：3375039