基于高斯混合密度模型的医学图像聚类方法

被引：7

作者：

宋余庆 ^{[1
]}

王春红 ^{[1
]}

陈健美 ^{[1
]}

谢从华 ^{[2
]}

机构：

[1] 江苏大学计算机科学与通信工程学院

[2] 常熟理工学院计算机科学与工程学院

来源：

江苏大学学报(自然科学版) | 2009年 / 30卷 / 03期

关键词：

医学图像; K均值聚类; 高斯混合模型; QAIC信息准则; EM算法; 贝叶斯准则;

D O I：

暂无

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

研究了医学图像的聚类问题,提出一种基于高斯混合密度模型的K-EM聚类算法,并将此算法用于人体腹部图像数据,实现肝、肾、脾等主要器官的分类.在算法中,随机选取腹部图像像素数据,用QAIC信息准则确定训练样本的最佳类别数;用K均值聚类算法得到混合模型的初始参数;用期望最大(EM)算法多次迭代建立腹部图像数据的混合密度模型;运用贝叶斯准则,将腹部图像所有像素值划分到混合模型中相应的模型分支,得到每个器官像素值划分的正确率与误判率.试验结果表明,新算法分类的平均正确率高于85%、误判率低于10%,优于K均值算法.

引用

页码：293 / 296

页数：4

共 6 条

[1] 高斯混合密度降解模型在数据流聚类中的应用 [J].

朱启家 ;

张伟 ;

陈春燕 .

江南大学学报(自然科学版), 2007, (06) :891-894

[2] 基于动态步长的医学图像聚类分割研究 [J].

谢从华 ;

陆虎 ;

薛万宇 ;

宋余庆 .

微电子学与计算机, 2007, (04) :66-68

[3] 基于密度聚类的医学图像分割DCMIS [J].

谢从华 ;

朱峰 ;

王立军 ;

武园园 .

计算机应用研究, 2007, (02) :167-169

[4] 基于近似密度函数的医学图像聚类分析研究 [J].

宋余庆 ;

谢从华 ;

朱玉全 ;

李存华 ;

陈健美 ;

王立军 .

计算机研究与发展, 2006, (11) :1947-1952

[5] Model-based clustering for image segmentation and large datasets via sampling [J].

Wehrens, R ;

Buydens, LMC ;

Fraley, C ;

Raftery, AE .

JOURNAL OF CLASSIFICATION, 2004, 21 (02) :231-253

[6]

Maximum Likelihood from Incomplete Data via the EM Algorithm[J] . A. P. Dempster,N. M. Laird,D. B. Rubin.Journal of the Royal Statistical Society. Series . 1977 (1)

← 1 →