[1]王晓飞,聂生东,王远军,等.改进的K-均值聚类算法及其在脑组织分割中的应用[J].中国医学物理学杂志,2014,31(02):4760-4764.[doi:10.3969/j.issn.1005-202X.2014.02.010]
点击复制

改进的K-均值聚类算法及其在脑组织分割中的应用()
分享到：

《中国医学物理学杂志》[ISSN:1005-202X/CN:44-1351/R]

卷:
31卷
期数:
2014年02期
页码:
4760-4764
栏目:
出版日期:
2014-04-30

文章信息/Info

作者:
王晓飞; 聂生东; 王远军
上海理工大学医学影像工程研究所;
关键词:
SOM神经网络; K-均值聚类算法; 磁共振图像; 脑组织; 分割
分类号:
TP391
DOI:
10.3969/j.issn.1005-202X.2014.02.010
文献标志码:
A
摘要:
目的:鉴于K-均值聚类算法易受初始聚类中心的影响,初始聚类中心不仅影响聚类速度,还可能使算法陷入局部极小值,得到错误的聚类结果,基于SOM神经网络,提出了一种改进的K-均值聚类算法并将其应用于脑实质分割。方法:首先,由SOM神经网络对图像进行初始聚类,得到k个聚类中心值;然后,以SOM神经网络获得的k个聚类中心值作为K-均值聚类算法的初始聚类中心对图像进行k-均值聚类,最终获得图像的聚类分割结果。结果:基于SOM神经网络的K-means聚类算法的分割精度为0.9274,K-means聚类算法的分割精度为0.8649。结论:利用改进的K-均值聚类算法对磁共振脑部图像进行了分割实验,结果表明该算法有效改善了K-means聚类算法初始聚类中心选取的盲目性,使聚类结果更为准确、稳定,取得了比单一方法更好的分割结果。

备注/Memo

备注/Memo:
国家自然科学基金项目(60972122); 上海市教委科研创新项目(09YZ216)
更新日期/Last Update: 2014-03-10