CT画像における修正レベルセットを用いたファジーc平均による出血セグメンテーション

頭蓋内出血は若年患者の死亡原因の主要なものです。これらの患者の命は、頭蓋内出血（ICH）の適切または正確な検出に依存しています。本論文では、ファジーc平均（FCM）クラスタリングと距離正則化レベルセット進化（MDRLSE）の修正バージョンのハイブリッド方法を提案します。FCMクラスタリングでは、メンバーシップ値とクラスタ中心を使用して、出血画像を異なるクラスターに分割します。FMCクラスタ画像から1つのクラスターを選択し、MDRLSEの初期化に使用します。MDRLSEで使用されるレベルセット関数は、再初期化プロセスを必要としません。そのため、アクティブコンターの伝播の収束速度が速くなります。MDRLSE手法では大きなタイムステップが使用されるため、レベルセット法における反復回数が減少します。提案されたハイブリッド方法は、ICHに苦しむ20人の患者のCT画像で評価されます。提案された方法の結果は、FCM法としきい値法と比較して最高の精度を提供します。