基于高斯混合模型和核密度估计的全身骨骼SPECT图像分割算法研究OACSTPCD
A Research on the Segmentation Algorithm for the Whole Body SPECT Imagevia the Gaussian Mixture Model with Kernel Density Estimation
目的：提出一种基于高斯混合模型的骨扫描图像分割算法，可自动识别全身骨骼SPECT图像中的病变区域。方法首先对二维全身骨骼SPECT图像进行锐化、平滑、灰度变换等预处理；然后采用核密度估计方法拟合出预处理图像的像素概率密度函数曲线，并根据曲线的峰值点确定期望最大值（EM）算法的初始值；再应用高斯混合模型对图像进行分割；最后使用模板匹配算法排除误识别的区域。结果应用本研究提出的图像分割算法所得到的图像清晰度和对比度优于其他图像分割算法，且本研究提出的…查看全部>>
Objective To propose a novel segmentation algorithm for the whole-body bone scan image based on the Gaussian mixture model (GMM) which is used for the automatic recognition of the lesion area.Methods First, we sharpened and smoothed the 2D SPECT whole-body scan image for preprocessing. Second, Gaussian kernel density estimation was adapted to obtain the initial value of the expectation-maximization (EM) algorithm by iftting the curve of probability density f…查看全部>>
徐磊;孟庆乐;杨瑞;田书畅;蒋红兵
南京医科大学附属南京医院南京市第一医院医疗设备处，江苏南京 210006南京医科大学附属南京医院核医学科，江苏南京 210006南京医科大学附属南京医院核医学科，江苏南京 210006南京医科大学附属南京医院南京市第一医院医疗设备处，江苏南京 210006南京医科大学附属南京医院南京市第一医院医疗设备处，江苏南京 210006
信息技术与安全科学
全身骨骼显像高斯混合模型核密度估计EM算法
whole-body bone scanGaussian mixture modelkernel density estimationexpectation-maximization algorithm
《中国医疗设备》 2016 (2)
48-51,47,5
南京市医学科技发展资金“青年工程”人才培养专项经费资助项目（QRX11033）。
评论