畢業(yè)論文--基于FCM算法的PET醫(yī)學圖像分割

畢業(yè)論文--基于FCM算法的PET醫(yī)學圖像分割

ID:35659370

大小:1.16 MB

頁數(shù):37頁

時間:2019-04-08

畢業(yè)論文--基于FCM算法的PET醫(yī)學圖像分割_第1頁
畢業(yè)論文--基于FCM算法的PET醫(yī)學圖像分割_第2頁
畢業(yè)論文--基于FCM算法的PET醫(yī)學圖像分割_第3頁
畢業(yè)論文--基于FCM算法的PET醫(yī)學圖像分割_第4頁
畢業(yè)論文--基于FCM算法的PET醫(yī)學圖像分割_第5頁
資源描述:

《畢業(yè)論文--基于FCM算法的PET醫(yī)學圖像分割》由會員上傳分享,免費在線閱讀,更多相關內容在學術論文-天天文庫

1、HUNANUNIVERSITY畢業(yè)設計(論文)設計論文題目:基于FCM的PET醫(yī)學圖像分割學生姓名:學生學號:專業(yè)班級:自動化2班學院名稱:電氣與信息工程學院指導老師:學院院長:2015年月日IV湖南大學畢業(yè)設計(論文)摘要正電子發(fā)射斷層掃描(PositronEmissionComputedTomography)功能分子生物影像系統(tǒng)已廣泛運用于惡性腫瘤放射治療的臨床研究。準確的將PET圖像中的腫瘤區(qū)域分割出來具有重要的臨床意義。PET作為一種常用于頭頸部癌靶區(qū)勾畫的功能影像,其PETSUV是判斷腫瘤良惡性最常用的半定量指標。臨床實驗中最簡單的是手動勾畫

2、。但是由于PET圖像自身的低分辨率等特點,模糊的邊緣,以及不均勻性讓此方法更加難以準確分割出腫瘤部分,所以分割結果也不是特別準確。為了更準確的區(qū)分腫瘤組織和正常組織,本課題選擇基于模糊集理論提出的模糊C均值(FCM)算法進行實驗。模糊聚類因其具有較強的描述不良問題的能力,所以將模糊理論引入圖像處理與分析領域,使基于模糊集理論的圖像分割方法有更好的圖像分割效果。本文對近幾年來出現(xiàn)的圖像分割方法作了較為全面的綜述,探討了圖像分割技術的發(fā)展方向,然后選擇了模糊聚類中最為經典的方法—模糊C均值算法進行了研究,同時通過實驗驗證了方法的有效性。關鍵詞:PET,圖像

3、分割,F(xiàn)CM,模糊集IV湖南大學畢業(yè)設計(論文)AbstractPositronemissiontomography(PositronEmissionComputedTomography)imagingsystemhasthefunctionofmolecularbiologyinclinicalstudiesarewidelyusedincancerradiotherapy.PETimagesaccuratelydividingtumorregionoutofgreatclinicalsignificance.PETfunctionalimaging

4、asacommontargetdelineationinheadandneckcancer,thePETSUVjudgingbenignandmalignanttumorsmostcommonlyusedsemi-quantitativeindicators.Withthismethod,thesimplestistomanuallyoutline.However,duetoitslow-resolutionPETimagecharacteristicssuchasblurrededges,aswellasnon-uniformitymakethism

5、ethodmoredifficulttoaccuratelysegmentthetumorsection,sotheresultisnotparticularlyaccuratesegmentation.Inordertomoreaccuratelydistinguishbetweentumorandnormaltissue,thesubjectselectedfortheexperimentFuzzyC-Means(FCM)fuzzysettheoryproposedalgorithmmore.Fuzzyclusteringbecauseofitss

6、trongabilitytodescribetheproblemsofpoor,sothefuzzytheoryintothefieldofimageprocessingandanalysis,sothatthereisabettermethodofimagesegmentationimagesegmentationbasedonfuzzysettheory.Inthispaper,imagesegmentationemergedinrecentyearsmadeamorecomprehensivereview,wediscussthedevelopm

7、entdirectionoftheimagesegmentation,andthenchoosethemostclassicfuzzyclusteringmethod-FuzzyC-meansalgorithmresearch,throughexperimentalverificationtheeffectivenessofthemethod.Keywords:PET,imagesegmentation,FCM,fuzzysetIV湖南大學畢業(yè)設計(論文)目錄摘要IAbstractII第一章概述11.1研究背景及意義11.2研究現(xiàn)狀21.2.1PET圖

8、像分割方法21.2.2FCM分割方法的研究現(xiàn)狀41.3研究內容及安排4第二章PET及其腫瘤放射

當前文檔最多預覽五頁,下載文檔查看全文

此文檔下載收益歸作者所有

當前文檔最多預覽五頁,下載文檔查看全文
溫馨提示:
1. 部分包含數(shù)學公式或PPT動畫的文件,查看預覽時可能會顯示錯亂或異常,文件下載后無此問題,請放心下載。
2. 本文檔由用戶上傳,版權歸屬用戶,天天文庫負責整理代發(fā)布。如果您對本文檔版權有爭議請及時聯(lián)系客服。
3. 下載前請仔細閱讀文檔內容,確認文檔內容符合您的需求后進行下載,若出現(xiàn)內容與標題不符可向本站投訴處理。
4. 下載文檔時可能由于網絡波動等原因無法下載或下載錯誤,付費完成后未能成功下載的用戶請聯(lián)系客服處理。