遗传模糊C-均值聚类算法应用于MRI分割

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

遗传模糊C-均值聚类算法应用于MRI分割

曾翎, 王美玲, 陈华富

文章导航 > 电子科技大学学报 > 2008 > 37(4): 627-629

曾翎, 王美玲, 陈华富. 遗传模糊C-均值聚类算法应用于MRI分割[J]. 电子科技大学学报, 2008, 37(4): 627-629.

引用本文:

曾翎, 王美玲, 陈华富. 遗传模糊C-均值聚类算法应用于MRI分割[J]. 电子科技大学学报, 2008, 37(4): 627-629.

ZENG Ling, WANG Mei-ling, CHEN Hua-fu. Genetic Fuzzy C-Means Clustering Algorithm for Magnetic Resonance Images Segmentation[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(4): 627-629.

Citation:

ZENG Ling, WANG Mei-ling, CHEN Hua-fu. Genetic Fuzzy C-Means Clustering Algorithm for Magnetic Resonance Images Segmentation[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(4): 627-629.

遗传模糊C-均值聚类算法应用于MRI分割

1.
电子科技大学生命与技术学院成都 610054;
2.
电子科技大学应用数学学院成都 610054;
3.
解放军信息工程大学电子技术学院郑州 450004

基金项目:

国家自然科学基金(30370507)

作者简介:
曾翎(1965-),男,副教授,主要从事脑功能成像方面的研究.

中图分类号: R318.04

Genetic Fuzzy C-Means Clustering Algorithm for Magnetic Resonance Images Segmentation

1.
School of Life Science and Technology,University of Electronic Science and Technology of China Chengdu 610054;
2.
School of Applied Mathematics,University of Electronic Science and Technology of China Chengdu 610054;
3.
Institute of Electronic Technology,PLA Information Engineering University Zhengzhou 450004

摘要: 通过分析知经典的将图像分割成C类的常用的模糊C-均值聚类算法(FCMA)依赖于初始聚类中心的选择,通常得到的是局部最优解而并非全局最优解,又由于遗传算法能搜索到全局最优解,因此将遗传算法(GA)与FCMA相结合,对MRI直接进行聚类,利用遗传算法搜索全局最优解,从而有效地避免了模糊C-均值聚类算法收敛到局部最优的问题,并在此基础上实现了对MRI的分割,得到了比较满意的效果。
- 模糊聚类 /
- 遗传算法 /
- MRI分割
Abstract: Based on the class fuzzy C-means clustering algorithm (FCMA) is a well-known clustering method to partition an image into homogeneous region.We know FCMA is dependent on the choice of the initial distribution of cluster center, and consequently the algorithm ends up in a local optimum. Because of the genetic algorithm which can achieve the global optimum, we directly unified them in the magnetic resonance images (MRI) segmentation. By applying genetic algorithm, we can achieve the global optimum in MRI segmentation application.
- fuzzy cluster /
- genetic algorithm /
- MRI segmentation

[1]	陈爱国, 王玲, 任金胜, 罗光春. 基于资源分组的多约束云工作流调度算法 . 电子科技大学学报, 2017, 46(3): 562-568. doi: 10.3969/j.issn.1001-0548.2017.03.014
[2]	杨燕, 冯晨菲, 贾真, 王红军. 基于链接的模糊聚类集成方法 . 电子科技大学学报, 2014, 43(6): 887-892. doi: 10.3969/j.issn.1001-0548.2014.06.016
[3]	薛羽, 庄毅, 朱浩, 张友益礻禹. 求解协同干扰问题的高效免疫遗传算法 . 电子科技大学学报, 2013, 42(3): 452-458. doi: 10.3969/j.issn.1001-0548.2013.03.026
[4]	王江安, 庄奕琪, 周清军. 遗传算法抑制BOC(1,1)信号多径研究 . 电子科技大学学报, 2010, 39(1): 45-49. doi: 10.3969/j.issn.1001-0548.2010.01.011
[5]	李向阳, 张亚非. 一种基于遗传算法的语义标注 . 电子科技大学学报, 2007, 36(1): 86-89.
[6]	崔梦天, 傅丽霞, 赵海军, 钟勇. 多级离散模糊神经网络稳定性的优化算法 . 电子科技大学学报, 2007, 36(3): 628-631.
[7]	牛强, 夏士雄, 周勇, 张磊. 改进的模糊C-均值聚类方法 . 电子科技大学学报, 2007, 36(6): 1257-1259,1272.
[8]	吴传信, 倪明放, 陈鸣. 路由选择的一种新遗传算法 . 电子科技大学学报, 2006, 35(5): 744-747.
[9]	沈艳, 郭兵, 古天祥. 粒子群优化算法及其与遗传算法的比较 . 电子科技大学学报, 2005, 34(5): 696-699.
[10]	黄羽, 黄迪明, 何险峰, 武明. 遗传算法在入侵检测中的应用 . 电子科技大学学报, 2003, 32(6): 679-682.
[11]	王忠, 柴贺军, 刘浩吾. 关于进化遗传算法的几点改进 . 电子科技大学学报, 2002, 31(1): 76-79.
[12]	张宇, 郭晶, 周激流. 动态变异遗传算法 . 电子科技大学学报, 2002, 31(3): 234-239.
[13]	王海枚, 游志胜. 基于遗传算法与模糊控制的建模方法 . 电子科技大学学报, 2002, 31(3): 266-269.
[14]	张宇, 张建州, 游志胜. 基于有效预测区域的模糊数据关联 . 电子科技大学学报, 2001, 30(6): 638-642.
[15]	饶克谨, 苟益. 电路模拟吸收体的遗传算法设计 . 电子科技大学学报, 2000, 29(1): 54-60.
[16]	周小英, 王华, 姚伯威. 遗传算法在模糊控制规则优化中的实现 . 电子科技大学学报, 2000, 29(2): 161-163.
[17]	谭扬波, 陈光. 一种基于最大模糊熵的高斯聚类算法 . 电子科技大学学报, 2000, 29(3): 269-272.
[18]	王勇, 陈光. 面向时滞测试生成的改进遗传算法 . 电子科技大学学报, 1999, 28(2): 157-161.
[19]	吴斌, 吴坚, 涂序彦. 快速遗传算法研究 . 电子科技大学学报, 1999, 28(1): 49-53.
[20]	潘中良, 陈光. 测试图形生成的遗传算法研究 . 电子科技大学学报, 1997, 26(5): 511-514.

WeChat

点击查看大图

计量

文章访问数: 4244
HTML全文浏览量: 117
PDF下载量: 69
被引次数: 0

遗传模糊C-均值聚类算法应用于MRI分割

1. 电子科技大学生命与技术学院成都 610054;

2. 电子科技大学应用数学学院成都 610054;

3. 解放军信息工程大学电子技术学院郑州 450004

基金项目:

国家自然科学基金(30370507)

作者简介:
曾翎(1965-),男,副教授,主要从事脑功能成像方面的研究.

收稿日期: 2006-12-15
修回日期: 2007-05-13
刊出日期: 2008-08-15

中图分类号: R318.04

关键词:

摘要: 通过分析知经典的将图像分割成C类的常用的模糊C-均值聚类算法(FCMA)依赖于初始聚类中心的选择,通常得到的是局部最优解而并非全局最优解,又由于遗传算法能搜索到全局最优解,因此将遗传算法(GA)与FCMA相结合,对MRI直接进行聚类,利用遗传算法搜索全局最优解,从而有效地避免了模糊C-均值聚类算法收敛到局部最优的问题,并在此基础上实现了对MRI的分割,得到了比较满意的效果。

English Abstract

曾翎, 王美玲, 陈华富. 遗传模糊C-均值聚类算法应用于MRI分割[J]. 电子科技大学学报, 2008, 37(4): 627-629.

引用本文:

曾翎, 王美玲, 陈华富. 遗传模糊C-均值聚类算法应用于MRI分割[J]. 电子科技大学学报, 2008, 37(4): 627-629.

ZENG Ling, WANG Mei-ling, CHEN Hua-fu. Genetic Fuzzy C-Means Clustering Algorithm for Magnetic Resonance Images Segmentation[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(4): 627-629.

Citation:

ZENG Ling, WANG Mei-ling, CHEN Hua-fu. Genetic Fuzzy C-Means Clustering Algorithm for Magnetic Resonance Images Segmentation[J]. Journal of University of Electronic Science and Technology of China, 2008, 37(4): 627-629.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发