基于Gibbs随机场的有限混合模型改进与脑部MR图像的稳健分割

被引：5

作者：

冯衍秋

梁斌

陈明

陈武凡

机构：

[1] 第一军医大学医学图像处理全军重点实验室

[2] 第一军医大学医学图像处理全军重点实验室广州

[3] 广州

来源：

中国生物医学工程学报 | 2003年 / 03期

关键词：

有限混合模型(FM); 期望最大化算法(EM); Gibbs随机场; 磁共振成象(MRI); 图像分割;

D O I：

暂无

中图分类号：

R310 [];

学科分类号：

1001 ;

摘要：

有限混合 (FM )模型已经广泛地应用于图像分割 ,但是由于没有考虑空间信息 ,导致分割的结果对噪声很敏感 ,分割出的区域存在很多杂散的孤立点。本文在Gibbs随机场理论的指导下 ,将空间信息引入FM模型 ,提出了改进的脑部MR图像分割算法。此外 ,由树形K平均聚类来估计初始参数 ,实现了全自动的图像分割。本研究进行了仿真MR图像和真实MR图像的分割实验 ,定量的数据分析表明 ,我们所提的改进算法对噪声不敏感 ,可以更精确地将脑部MR图像标记为灰质、白质与脑脊液三种组织类型

引用

页码：193 / 198

页数：6

共 11 条

[1]

AutomatedModelBasedTissueClassificationofMRImagesoftheBrain. KoenVanLeemput,FrederikMaes,DirkVandermeulen,etal. IEEETransMedicalImaging . 1999

[2]

OntheconvergencepropertiesoftheEMalgorithm. WuCFJ. AnnofStatistics . 1983

[3]

MarkovRandomFieldModeling inImageAnalysis. StanZ.Li. . 2001

[4]

Adaptive segmentation of MRI data. Wells WM,Grimson EL,Kikinis R,et al. IEEE Transactions on Medical Imaging . 1996

[5]

MaximumlikelihoodfromincompletedataviaEMalgorithm. DempsterAP,LairdNM,BubinDB. JofRoyalStatistSoc,seriesB . 1977

[6]

EstimatingthebiasfieldofMRimages. GuillemaudR,BradyJM. IEEETransMedicalImaging . 1997

[7]

MarkovrandomfieldsegmentationofbrainMRimages. HeldK,KopsER,KrauseBJ,etal. IEEETransMedicalImag ing . 1997

[8]

Onthestatisticalanalysisofdirtypictures(withdiscussion),JofRoyalStatist. BesagJ. Soc,ser,B . 1986

[9]

Stochastic relaxation, Gibbs distributions and the Bayesian restoration of images. Geman S,Geman D. IEEE Transactions on Pattern Analysis and Machine Intelligence . 1984

[10]

SegmentationofBrainMRImagesthroughaHiddenMarkovRandomFieldModelandtheEx pectationMaximizationAlgorithm. ZhangY,BradyM,SmithS. IEEETransMedicalImaging . 2001

← 1 2 →