개선된 다중 시점 퍼지 c-평균 군집 알고리즘을 이용한 새로운 뇌 MRI 이미지 분할 방법

배경: 뇌 자기 공명 영상(MRI) 이미지 분할 방법은 주로 뇌 조직의 분할을 의미하며, 백질(WM), 회백질(GM) 및 뇌척수액(CSF)과 같은 조직 부분으로 나눌 수 있습니다. 분할 결과는 의료 이미지 등록, 3D 재구성 및 시각화의 기초를 제공할 수 있습니다. 일반적으로 MRI 이미지는 부분 용적 효과, 불균일한 그레이스케일 및 노이즈와 같은 결함이 있습니다. 따라서 실제 응용에서 뇌 MRI 이미지의 분할은 높은 정확도를 얻는 데 어려움을 겪습니다. 재료 및 방법: 퍼지 군집 알고리즘은 샘플 범주의 불확실성 표현을 설정하고 부분 용적 효과가 뇌 MRI 이미지에 가져오는 모호성을 설명할 수 있으므로 뇌 MRI 이미지 분할(B-MRI-IS)에 매우 적합합니다. 고전적인 퍼지 c-평균(FCM) 알고리즘은 노이즈와 편차 필드에 극도로 민감합니다. 알고리즘을 직접 사용하여 뇌 MRI 이미지를 분할하면 이상적인 분할 결과를 얻을 수 없습니다. 이에 따라 MRI 의료 이미지의 결함을 고려하여 본 연구에서는 뇌 이미지의 분할 정확도를 개선하기 위해 개선된 다중 시점 FCM 군집 알고리즘(IMV-FCM)을 사용합니다. IMV-FCM은 각 뷰가 클러스터 기여도에 따라 최적의 가중치를 얻도록 뷰 가중치 적응 학습 메커니즘을 사용합니다. 최종 분할 결과는 뷰 앙상블 방법을 통해 얻어집니다. 뷰 가중치 적응 학습 메커니즘 하에 다양한 뷰 간의 조정은 더 유연하며, 각 뷰는 적응적으로 학습할 수 있어 더 나은 군집 효과를 달성합니다. 결과: 다수의 뇌 MRI 이미지에 대한 분할 결과는 IMV-FCM이 더 나은 분할 성능을 가지며 뇌 조직을 정확하게 분할할 수 있음을 보여줍니다. 여러 관련 군집 알고리즘과 비교할 때, IMV-FCM 알고리즘은 더 나은 적응성과 더 나은 군집 성능을 가집니다.