基于DTI的具有空间约束的改进模糊C均值算法的脑组织分类

我们提出了一种基于扩散张量成像（DTI）数据的脑组织分类的有效方法。 该方法解决了两个主要的DTI分割障碍：随机噪声和磁场不均匀性。 在提出的方法中，DTI参数图用于解决脑组织分割的强度不均匀性，因为它们可以为组织提供补充信息并定义准确的组织图。 一种改进的具有空间约束的模糊c均值提议被用于增强DTI分割的噪声和伪像鲁棒性。 具有空间约束（FCM_S）的模糊c均值聚类可以有效地分割受噪声，离群值和其他成像伪影破坏的图像。 它的有效性不仅有助于为每个像素的归属引入模糊性，而且还有助于开发空间上下文信息。 我们提出了一种改进的应用于DTI参数图的FCM_S，它探索了用于DTI自动分割的特征空间信息的均值和协方差。 在合成图像和现实世界数据集上的实验表明，我们提出的算法（尤其是在具有新的空间约束的情况下）更加有效。