MedicalImage13医学图像分类

1、医学图像处理信自学院生医系234知识库知识库分割分割表达与描述表达与描述识别识别与与解释解释预处理预处理图像获取图像获取低级处理高级处理中级处理结果问题5678灰度纹理特征二维特征空间910MiiKjljjlNlCCd112, 2 , 1)(111213人体不同器官的正常组织与病理组织的T1是相对固定的，而且它们之间有一定的差别，T2也是如此（见下表）。这种组织间弛豫时间上的差别，是MRI的成像基础。有如CT时，组织间吸收系数（CT值）差别是CT成像基础的道理。但MRI不像CT只有一个参数，即吸收系数，而是有T1、T2和自旋核密度（Pd）等几个参数，其中T1与T2尤为重要。因此，获得选定层面中

2、各种组织的T1（或T2）值，就可获得该层面中包括各种组织影像。 正常颅脑的T1与T2值（ms） 14人体不同组织T1WI和T2WI上的灰度 MRI图像虽然也以不同灰度显示，但反映的是MR信号强度的不同或弛豫时间T1与T2的长短，而不象CT图象，灰度反映的是组织密度。 MRI图像如主要反映组织间T1特征参数时，为T1加权象（T1weighted image，T1WI），它反映的是组织间T1的差别。如主要反映组织间T2特征参数时，则为T2加权像（T2weighted image，T2WI）。因此，一个层面可有T1WI和T2WI两种扫描成像方法。分别获得T1WI与T2WI有助于显示正常组织与病变组织

3、。正常组织，如脑神经各种软组织间T1差别明显，所以T1WI有利于观察解剖结构，而T2WI则对显示病变组织较好。 在T1WI上，脂肪T1短，MR信号强，影像白；脑与肌肉T1居中，影像灰；脑脊液T1长；骨与空气含氢量少，MR信号弱，影像黑。在T2WI上，则与T1WI不同，例如脑脊液T2长，MR信号强而呈白影。15162)(2222)(1112)()()()(kTTTkTTTkPdPdkMGWMGWMGWDPd171819jku21kjckjmjkFCMvxuJkv和kvjkujxcm第j个象素点属于第k类组织的隶属度第k类组织的中心灰度第j个象素点的灰度隶属度的加权指数，决定模糊程度组织类别数20

4、（P1）1、确定C、m及容许误差max （P1）2、确定初始聚类中心（P1）3、计算隶属度U jl j=1, n，l=1,C11/11221mClkkkjljjlvxvxu（PP+1）4、修正Vl(P+1)，l=1,Cnjmjlnjjmjlluxuv11)()(21 |v-x| |v-x|2kj2lj5、计算误差6、若 ujk ，则Xj归入l类方法二：若 ,则Xj归入l类21)() 1(Ckkkpvpv222324252627KNSCLICcimi, 2 , 1,第1步：给定以下控制参数：是期望得到的聚类数；是一个聚类中的最少样本数；是标准偏差参数；是类间合并参数；是每次迭代允许合并的最大聚类

5、对数；是允许迭代的次数。同时设定初始聚类数以及初始聚类中心ijmymyjici, 2 , 1jyjjjm第2步：按照最近邻准则将所有样本分到各个不同聚类中去，即若，其中，则 。是第个聚类，其中心为。具体算法如下 ：设有N个样本组成的样本集 ，28jNjNj1 CC第3步：若有任何一个，其基数（即属于该类的样本个数），则舍去，并令。CjyNmjyj, 2 , 1,1CjmyNDjyjjj, 2 , 1,1jCjjDNND11CK第4步：计算各类的参数：(1)聚合中心(2)类内平均距离(3)类内总平均距离第5步：若是偶数次迭代或分类数大于期望分类数的2倍，转向第8步。 29jjkyjikijimy

6、N21第6步：对每个聚类，用下列公式求标准偏差kiykijimjicjj, 2 , 1,maxmaxjSDDj) 1(2NjNCK式中是第个样本的第个分量，是第个聚类中心的第个分量。，若大于规定值且有（1）且类内样本数或（2）分类数小于期望分类数的0.5倍，则将其分裂为两个新的聚类。 对每一个聚类，求出具有最大标准偏差的分量30jimmDjiij,CLijDLijDimjm第7步：对所有聚类中心，计算两两之间的距离将小于指定值的前个从小到大排列，是第1步给定的每次迭代可允许合并的最大聚类对数。从最小的开始，依次合并和第8步：若迭代超过最大迭代次数，则终止。否则，若需改变参数，则转第1步，否则转第2步。，且每个聚类只允许被合并一次。31ISODATA算法与FCM相比，可以直接控制迭