结合字典学习和稀疏聚类的医学图像分割算法

论文摘要

为了改善医学图像的分割效果,结合字典学习和聚类算法,提出了一种以字典作为聚类中心,以稀疏表示实现聚类分割的医学图像分割算法.对于单幅的医学图像,可以通过交互进行稀疏表示和字典更新至收敛,从而实现无监督自适应分割;对于序列图像,则可以利用样本图像训练字典,并利用训练字典完成序列图像的分割.通过对SBD数据库的大脑MRI序列图像进行分割实验,结果表明,该算法有较好的分割精度,且能够保持序列医学图像分割的准确性和一致性.

论文目录

文章来源

类型: 期刊论文

作者: 张滨凯,王翔,郑津津

关键词: 聚类,字典学习,稀疏表示,医学图像分割

来源: 中国科学技术大学学报 2019年10期

年度: 2019

分类: 基础科学,医药卫生科技,信息科技

专业: 生物医学工程,计算机软件及计算机应用

单位: 中国科学技术大学精密机械与精密仪器系

基金: 国家自然科学基金联合基金(U1332130),111引智工程(B07033),国家重点基础研究发展计划(973)(2014CB931804),安徽省重点研究与开发计划(1704a0902051)资助

分类号: TP391.41;R319

页码: 791-796

总页数: 6

文件大小: 933K

下载量: 30

相关论文文献

标签：聚类论文;  字典学习论文;  稀疏表示论文;  医学图像分割论文;