基于改进空间模糊聚类的DTI图像分割算法
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
Ｄ ＴＩ Ｉｍ ａｇｅ Ｓｅｇｍ ｅｎｔａｔｉｏｎ Ａｌｇｏｒｉｔｈｍ Ｂａｓｅｄ ｏｎ ｔｈｅ Ｉｍ ｐｒｏｖｅｄ Ｓｐａｔｉａｌ Ｆｕｚｚｙ Ｃｌｕｓｔｅｒｉｎｇ
Ｌｉｕ Ｘｕｙｕ Ｚｈａｎｇ Ｘｉａｎｇ￣ｎ Ｍａ Ｙａｎ Ｌｉ Ｃｈｕａｎｊｉａｎｇ Ｙａｎｇ Ｙａｎｑｉｎ
（Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ，Ｍｅｃｈａｎｉｃａｌ ａｎｄ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｈａｎｇｈａｉ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２００２３４，Ｃｈｉｎａ）
Ａ ｂｓｔｒａｃｔ：Ａｉｍｉｎｇ ｔｏ ｒｅｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍｓ ｏｆ ｉｎｉｔｉａｌ ｃｌｕｓｔｅｒｉｎｇ ｓｅｌｅｃｔｉｏｎ ｒａｎｄｏｍｎｅｓｓ ａｎｄ ｎｏｉｓｅ ｓｅｎｓｉｔｉｖｉｔｙ ｏｆ ｆｕｚｚｙ Ｃ ｍｅａｎｓ ａｌｇｏｒｉｔｈｍ ，ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｄ ａｎ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｔｈｅ ｉｍｐｒｏｖｅｄ ｓｐａｔｉａｌ ｆｕｚｚｙ ｃｌｕｓｔｅｒｉｎｇ ｔｏ ｓｅｇｍｅｎｔ ｔｈｅ ＤＴＩ ｉｍａｇｅ ｏｆ ｈｕｍａｎ ｂｒａｉｎ． Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｗｅ ｕｓｅｄ ｔｈｅ ｌｏｃａｌ ｄｅｎｓｉｔｙ ｋｅｒｎｅｌ ｆｕｎｃｔｉｏｎ ａｎｄ ｔｈｅ ｃｅｎｔｅｒ ｄｉｓｔａｎｃｅ ｆｕｎｃｔｉｏｎ ｔｏ ｓｅｌｅｃｔ ｔｈｅ ｉｎｉｔｉａｌ ｃｌｕｓｔｅｒｉｎｇ ｃｅｎｔｅｒ ａｃｃｕｒａｔｅｌｙ， ｗｈｉｃｈ ｎｏｔ ｏｎｌｙ ｓｏｌｖｅｄ ｔｈｅ
ｐｒｏｂｌｅｍ ｏｆ ｃｌｕｓｔｅｒｉｎｇ ｅｆｅｃｔ ｉｎｓｔａｂｉｌｉｔｙ ｃａｕｓｅｄ ｂｙ ｒａｎｄｏｍ ｓｅｌｅｃｔｉｏｎ ｏｆ ｃｌｕｓｔｅｒ ｃｅｎｔｅｒ，ｂｕｔ ａｌｓｏ ｍａｄｅ ｔｈｅ ｏｂｊｅｃｔｉｖｅ
ｆｕｎｃｔｉｏｎ ｃｏｎｖｅｒｇｅ ｑｕｉｃｋｌｙ， ａｎｄ ｉｍｐｒｏｖｅｄ ｔｈｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｅｆｉｃｉｅｎｃｙ． Ｍｏｒｅｏｖｅｒ， ｔｈｅ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ ｒｅｄｕｃｅｄ ｔｈｅ ｉｎｆｌｕｅｎｃｅ ｏｎ ｔｈｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｒｅｓｕｌｔ ｃａｕｓｅｄ ｂｙ ｉｍａｇｅ ｎｏｉｓｅ ａｎｄ ｈｕｍａｎ ｆａｃｔｏｒｓ ｂｙ ｉｎｔｅｇｒａｔｉｎｇ ｎｏｒｍａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｓｐａｔｉａｌ ｉｎｆｏｒｍａｔｉｏｎ ｉｎｔｏ ｆｕｚｚｙ ｍｅｍｂｅｒｓｈｉｐ ｆｕｎｃｔｉｏｎ．Ｗ ｅ ｓｅｇｍｅｎｔｅｄ ＤＴＩ ｄａｔａ ｏｆ ｈｕｍａｎ ｂｒａｉｎ ｗｉｔｈ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ， ＦＣ Ｍ ａｎｄ ＳＦＣ Ｍ ｔｏ ｅｖａｌｕａｔｅ ｔｈｅ ｃｌｕｓｔｅｒｉｎｇ ｅｆｅｃｔ ｏｆ ｔｈｅ ａｌｇｏｒｉｔｈｍ ． Ｉｎ ｔｈｅ ｅｘｐｅｒｉｍｅｎｔｓ， ｆｏｌｌｏｗｉｎｇ ｄａｔａ ｗｅｒｅ ｅｍｐｌｏｙｅｄ， ｉｎｃｌｕｄｉｎｇ ｓｅｇｍｅｎｔｅｄ ５８ ｃａｓｅｓ ｏｆ ＤＴＩ ｄａｔａ ｐｒｏｖｉｄｅｄ ｂｙ ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｍｉｎｎｅｓｏｔａ Ｂｉｏｍｅｄｉｃａｌ Ｆｕｎｃｔｉｏｎａｌ Ｉｍａｇｉｎｇ ａｎｄ Ｎｅｒｖｅ Ｅｎｇｉｎｅｅｒｉｎｇ Ｌａｂｏｒａｔｏｒｙ，３ ｃａｓｅｓ ｏｆ ＦＡ ｐａｒａｍｅｔｅｒ ｉｍａｇｅｓ， ａｎｄ ６ ｃａｓｅｓ ｏｆ ｉｔｅｒａｔｉｖｅ ｎｏｉｓｙ ｈｕｍａｎ ｂｒａｉｎ ＤＴＩ ｉｍａｇｅｓ． Ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｃｏｅｆｉｃｉｅｎｔ ｏｆ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ ｒｅａｃｈｅｄ ０．９８４１． Ｉｎ ｔｈｅ ｓａｍｅ ｉｍａｇｅ， ｔｈｅ ａｌｇｏｒｉｔｈｍ ｏｂｔａｉｎｅｄ ｔｈｅ ｍｏｓｔ ｉｍｐｒｏｖｅｍｅｎｔ ｏｆ ２０．２％ ｔｈａｎ ＦＣＭ ｏｎ ｔｈｅ ｐａｒｔｉｔｉｏｎ ｃｏｅｆｉｃｉｅｎｔ． ａｎｄ ｔｈｅ ｍｏｓｔ ｄｅｃｌｉｎｅ ｏｆ １９．８％ ｔｈａｎ ＳＦＣＭ ｏｎ ｔｈｅ ｐａｒｔｉｔｉｏｎ ｅｎｔｒｏｐｙ； Ｔｈｅ ａｖｅｒａｇｅ ｎｕｍ ｂｅｒ ｏｆ ｉｔｅｒａｔｉｏｎｓ ｏｆ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｗａｓ ３２ ，ｗｈｉｃｈ ｉｓ ｓｉｇｎｉｆ ｉｃａｎｔｌｙ ｌｏｗｅｒ ｔｈａｎ ５２ ｏｆ ＦＣＭ ａｎｄ ７６ ｏｆ ＳＦＣ Ｍ ． Ｔｈｅｒｅｆｏｒｅ，ｔｈｅ ａｌｇｏｒｉｔｈｍ ｃａｎ ｓｅｇｍｅｎｔ ｔｈｅ ｉｍｐｏｒｔａｎｔ ｔａｒｇｅｔ ａｃｃｕｒａｔｅｌｙ ａｎｄ ｑｕｉｃｋｌｙ，ａｎｄ ｔｈｅ ｓｅｇｍ ｅｎｔａｔｉｏｎ ｒｅｓｕｌｔｓ ａｒｅ ｉｎｓｅｎｓｉｔｉｖｅ ｔｏ ｉｍ ａｇｅ ｎｏｉｓｅ． Ｋｅｙ ｗｏｒｄｓ：ＦＣＭ ａｌｇｏｒｉｔｈｍ ；ｃｌｕｓｔｅｒｉｎｇ ｃｅｎｔｅｒ；ｌｏｃａｌ ｄｅｎｓｉｔｙ；ｓｐａｔｉａｌ ｉｎｆｏｒｍａｔｉｏｎ；ＤＴＩ ｉｍａｇｅ
３７ 卷 ４ 期 ２０１８年 ８月
中 国 生 物 医 学 工 程 学 报 Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ
Ｖ０１．３７ Ｎｏ． ４ Ａｕｇｕｓｔ ２０１８
基 于 改进 空 间模 糊 聚 类 的 ＤＴＩ图像 分 割 算 法
刘絮雨 张相芬 马 燕 李传江 杨燕勤
上 海 师 Байду номын сангаас 大 学 信 息 与 机 电工 程学 院 ，上 海 ２００２３４）
摘 要 ：针 对 模 糊 ｃ均 值 （ＦＣＭ）聚类 算 法 初 始 聚 类 中心 选 择 的 随 机 性 和 噪 声 的敏 感 性 等 问 题 ，提 出 一 种 基 于 改 进 空 间 模 糊 聚 类 的 图像 分 割 算 法 来 分 割 人 脑 ＤＴＩ图 像 。使 用 局 部 密 度 核 函 数 和 中 心 距 离 函 数 精 确 选 取 初 始 聚 类 中 心 ，不 仅 可 以解 决 因 聚 类 中心 随机 选 取 造 成 的聚 类 效 果 不 稳 定 的问 题 ，而 且 还 可 以使 目标 函 数 迅 速 收 敛 ，提 高 分 割 效 率 ；通 过 将 正 态 分 布 空 间信 息 融 人 模 糊 隶 属 度 函 数 ，能 减 小 图 像 噪 声 以 及 人 为 因 素 对 分 割 结 果 的影 响 。 用 该 方 法 与 ＦＣＭ、ＳＦＣＭ 方 法 对 人 脑 ＤＴＩ数 据 进 行 分 割 ，以评 价 算 法 的 聚 类 效 果 。实 验 对 美 国 明 尼 苏 达 大 学 生 物 医 学 功 能 成 像 与 神 经 工 程 实 验 室 提 供 的 ５８例 ＤＴＩ数 据 、３例 ＦＡ参 数 图 像 以及 ６例 迭 加 过 噪声 的人 脑 ＤＴＩ图 像 进 行 分 割 ，结 果 表 明 ：该 算 法 分 割 系数 最 高 ，可 达 到０．９８４ １；在 同 一 图像 中 ，该 算 法 在 划 分 系 数 上 比 ＦＣＭ 最 高 提 升 ２０．２％ ，并 且 在 划 分 熵 上 比 ＳＦＣＭ 最 高 下 降 １９．８％ ；该 算 法 目标 函数 平 均 迭 代 次 数 为 ３２，较 ＦＣＭ 的 ５２次 与 空 间 ＦＣＭ 的 ７６次 有 明显 降低 。 实 验 证 明 ，该 算 法 能 够 准 确 、快 速 地 分 割 出 重要 目标 ，且 对 图 像 噪 声 不 敏 感 。 关 键 词 ：ＦＣＭ 算 法 ；聚 类 中心 ；局 部 密 度 ；空 间 信 息 ；ＤＴＩ图 像 中 图 分 类 号 ：Ｒ３１８ 文 献 标 志码 ：Ａ 文章 编 号 ：０２５８—８０２１（２０１８）０４—０３９４—１０
Ｌｉｕ Ｘｕｙｕ Ｚｈａｎｇ Ｘｉａｎｇ￣ｎ Ｍａ Ｙａｎ Ｌｉ Ｃｈｕａｎｊｉａｎｇ Ｙａｎｇ Ｙａｎｑｉｎ
（Ｃｏｌｌｅｇｅ ｏｆ Ｉｎｆｏｒｍａｔｉｏｎ，Ｍｅｃｈａｎｉｃａｌ ａｎｄ Ｅｌｅｃｔｒｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ，Ｓｈａｎｇｈａｉ Ｎｏｒｍａｌ Ｕｎｉｖｅｒｓｉｔｙ，Ｓｈａｎｇｈａｉ ２００２３４，Ｃｈｉｎａ）
Ａ ｂｓｔｒａｃｔ：Ａｉｍｉｎｇ ｔｏ ｒｅｓｏｌｖｅ ｔｈｅ ｐｒｏｂｌｅｍｓ ｏｆ ｉｎｉｔｉａｌ ｃｌｕｓｔｅｒｉｎｇ ｓｅｌｅｃｔｉｏｎ ｒａｎｄｏｍｎｅｓｓ ａｎｄ ｎｏｉｓｅ ｓｅｎｓｉｔｉｖｉｔｙ ｏｆ ｆｕｚｚｙ Ｃ ｍｅａｎｓ ａｌｇｏｒｉｔｈｍ ，ｔｈｉｓ ｐａｐｅｒ ｐｒｏｐｏｓｅｄ ａｎ ｉｍａｇｅ ｓｅｇｍｅｎｔａｔｉｏｎ ａｌｇｏｒｉｔｈｍ ｂａｓｅｄ ｏｎ ｔｈｅ ｉｍｐｒｏｖｅｄ ｓｐａｔｉａｌ ｆｕｚｚｙ ｃｌｕｓｔｅｒｉｎｇ ｔｏ ｓｅｇｍｅｎｔ ｔｈｅ ＤＴＩ ｉｍａｇｅ ｏｆ ｈｕｍａｎ ｂｒａｉｎ． Ｉｎ ｔｈｉｓ ｐａｐｅｒ，ｗｅ ｕｓｅｄ ｔｈｅ ｌｏｃａｌ ｄｅｎｓｉｔｙ ｋｅｒｎｅｌ ｆｕｎｃｔｉｏｎ ａｎｄ ｔｈｅ ｃｅｎｔｅｒ ｄｉｓｔａｎｃｅ ｆｕｎｃｔｉｏｎ ｔｏ ｓｅｌｅｃｔ ｔｈｅ ｉｎｉｔｉａｌ ｃｌｕｓｔｅｒｉｎｇ ｃｅｎｔｅｒ ａｃｃｕｒａｔｅｌｙ， ｗｈｉｃｈ ｎｏｔ ｏｎｌｙ ｓｏｌｖｅｄ ｔｈｅ
ｐｒｏｂｌｅｍ ｏｆ ｃｌｕｓｔｅｒｉｎｇ ｅｆｅｃｔ ｉｎｓｔａｂｉｌｉｔｙ ｃａｕｓｅｄ ｂｙ ｒａｎｄｏｍ ｓｅｌｅｃｔｉｏｎ ｏｆ ｃｌｕｓｔｅｒ ｃｅｎｔｅｒ，ｂｕｔ ａｌｓｏ ｍａｄｅ ｔｈｅ ｏｂｊｅｃｔｉｖｅ
ｆｕｎｃｔｉｏｎ ｃｏｎｖｅｒｇｅ ｑｕｉｃｋｌｙ， ａｎｄ ｉｍｐｒｏｖｅｄ ｔｈｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｅｆｉｃｉｅｎｃｙ． Ｍｏｒｅｏｖｅｒ， ｔｈｅ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ ｒｅｄｕｃｅｄ ｔｈｅ ｉｎｆｌｕｅｎｃｅ ｏｎ ｔｈｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｒｅｓｕｌｔ ｃａｕｓｅｄ ｂｙ ｉｍａｇｅ ｎｏｉｓｅ ａｎｄ ｈｕｍａｎ ｆａｃｔｏｒｓ ｂｙ ｉｎｔｅｇｒａｔｉｎｇ ｎｏｒｍａｌ ｄｉｓｔｒｉｂｕｔｉｏｎ ｓｐａｔｉａｌ ｉｎｆｏｒｍａｔｉｏｎ ｉｎｔｏ ｆｕｚｚｙ ｍｅｍｂｅｒｓｈｉｐ ｆｕｎｃｔｉｏｎ．Ｗ ｅ ｓｅｇｍｅｎｔｅｄ ＤＴＩ ｄａｔａ ｏｆ ｈｕｍａｎ ｂｒａｉｎ ｗｉｔｈ ｔｈｅ ｐｒｏｐｏｓｅｄ ｍｅｔｈｏｄ， ＦＣ Ｍ ａｎｄ ＳＦＣ Ｍ ｔｏ ｅｖａｌｕａｔｅ ｔｈｅ ｃｌｕｓｔｅｒｉｎｇ ｅｆｅｃｔ ｏｆ ｔｈｅ ａｌｇｏｒｉｔｈｍ ． Ｉｎ ｔｈｅ ｅｘｐｅｒｉｍｅｎｔｓ， ｆｏｌｌｏｗｉｎｇ ｄａｔａ ｗｅｒｅ ｅｍｐｌｏｙｅｄ， ｉｎｃｌｕｄｉｎｇ ｓｅｇｍｅｎｔｅｄ ５８ ｃａｓｅｓ ｏｆ ＤＴＩ ｄａｔａ ｐｒｏｖｉｄｅｄ ｂｙ ｔｈｅ Ｕｎｉｖｅｒｓｉｔｙ ｏｆ Ｍｉｎｎｅｓｏｔａ Ｂｉｏｍｅｄｉｃａｌ Ｆｕｎｃｔｉｏｎａｌ Ｉｍａｇｉｎｇ ａｎｄ Ｎｅｒｖｅ Ｅｎｇｉｎｅｅｒｉｎｇ Ｌａｂｏｒａｔｏｒｙ，３ ｃａｓｅｓ ｏｆ ＦＡ ｐａｒａｍｅｔｅｒ ｉｍａｇｅｓ， ａｎｄ ６ ｃａｓｅｓ ｏｆ ｉｔｅｒａｔｉｖｅ ｎｏｉｓｙ ｈｕｍａｎ ｂｒａｉｎ ＤＴＩ ｉｍａｇｅｓ． Ｒｅｓｕｌｔｓ ｓｈｏｗ ｔｈａｔ ｔｈｅ ｓｅｇｍｅｎｔａｔｉｏｎ ｃｏｅｆｉｃｉｅｎｔ ｏｆ ｐｒｏｐｏｓｅｄ ａｌｇｏｒｉｔｈｍ ｒｅａｃｈｅｄ ０．９８４１． Ｉｎ ｔｈｅ ｓａｍｅ ｉｍａｇｅ， ｔｈｅ ａｌｇｏｒｉｔｈｍ ｏｂｔａｉｎｅｄ ｔｈｅ ｍｏｓｔ ｉｍｐｒｏｖｅｍｅｎｔ ｏｆ ２０．２％ ｔｈａｎ ＦＣＭ ｏｎ ｔｈｅ ｐａｒｔｉｔｉｏｎ ｃｏｅｆｉｃｉｅｎｔ． ａｎｄ ｔｈｅ ｍｏｓｔ ｄｅｃｌｉｎｅ ｏｆ １９．８％ ｔｈａｎ ＳＦＣＭ ｏｎ ｔｈｅ ｐａｒｔｉｔｉｏｎ ｅｎｔｒｏｐｙ； Ｔｈｅ ａｖｅｒａｇｅ ｎｕｍ ｂｅｒ ｏｆ ｉｔｅｒａｔｉｏｎｓ ｏｆ ｔｈｅ ａｌｇｏｒｉｔｈｍ ｗａｓ ３２ ，ｗｈｉｃｈ ｉｓ ｓｉｇｎｉｆ ｉｃａｎｔｌｙ ｌｏｗｅｒ ｔｈａｎ ５２ ｏｆ ＦＣＭ ａｎｄ ７６ ｏｆ ＳＦＣ Ｍ ． Ｔｈｅｒｅｆｏｒｅ，ｔｈｅ ａｌｇｏｒｉｔｈｍ ｃａｎ ｓｅｇｍｅｎｔ ｔｈｅ ｉｍｐｏｒｔａｎｔ ｔａｒｇｅｔ ａｃｃｕｒａｔｅｌｙ ａｎｄ ｑｕｉｃｋｌｙ，ａｎｄ ｔｈｅ ｓｅｇｍ ｅｎｔａｔｉｏｎ ｒｅｓｕｌｔｓ ａｒｅ ｉｎｓｅｎｓｉｔｉｖｅ ｔｏ ｉｍ ａｇｅ ｎｏｉｓｅ． Ｋｅｙ ｗｏｒｄｓ：ＦＣＭ ａｌｇｏｒｉｔｈｍ ；ｃｌｕｓｔｅｒｉｎｇ ｃｅｎｔｅｒ；ｌｏｃａｌ ｄｅｎｓｉｔｙ；ｓｐａｔｉａｌ ｉｎｆｏｒｍａｔｉｏｎ；ＤＴＩ ｉｍａｇｅ
３７ 卷 ４ 期 ２０１８年 ８月
中 国 生 物 医 学 工 程 学 报 Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｂｉｏｍｅｄｉｃａｌ Ｅｎｇｉｎｅｅｒｉｎｇ
Ｖ０１．３７ Ｎｏ． ４ Ａｕｇｕｓｔ ２０１８
基 于 改进 空 间模 糊 聚 类 的 ＤＴＩ图像 分 割 算 法
刘絮雨 张相芬 马 燕 李传江 杨燕勤
上 海 师 Байду номын сангаас 大 学 信 息 与 机 电工 程学 院 ，上 海 ２００２３４）
摘 要 ：针 对 模 糊 ｃ均 值 （ＦＣＭ）聚类 算 法 初 始 聚 类 中心 选 择 的 随 机 性 和 噪 声 的敏 感 性 等 问 题 ，提 出 一 种 基 于 改 进 空 间 模 糊 聚 类 的 图像 分 割 算 法 来 分 割 人 脑 ＤＴＩ图 像 。使 用 局 部 密 度 核 函 数 和 中 心 距 离 函 数 精 确 选 取 初 始 聚 类 中 心 ，不 仅 可 以解 决 因 聚 类 中心 随机 选 取 造 成 的聚 类 效 果 不 稳 定 的问 题 ，而 且 还 可 以使 目标 函 数 迅 速 收 敛 ，提 高 分 割 效 率 ；通 过 将 正 态 分 布 空 间信 息 融 人 模 糊 隶 属 度 函 数 ，能 减 小 图 像 噪 声 以 及 人 为 因 素 对 分 割 结 果 的影 响 。 用 该 方 法 与 ＦＣＭ、ＳＦＣＭ 方 法 对 人 脑 ＤＴＩ数 据 进 行 分 割 ，以评 价 算 法 的 聚 类 效 果 。实 验 对 美 国 明 尼 苏 达 大 学 生 物 医 学 功 能 成 像 与 神 经 工 程 实 验 室 提 供 的 ５８例 ＤＴＩ数 据 、３例 ＦＡ参 数 图 像 以及 ６例 迭 加 过 噪声 的人 脑 ＤＴＩ图 像 进 行 分 割 ，结 果 表 明 ：该 算 法 分 割 系数 最 高 ，可 达 到０．９８４ １；在 同 一 图像 中 ，该 算 法 在 划 分 系 数 上 比 ＦＣＭ 最 高 提 升 ２０．２％ ，并 且 在 划 分 熵 上 比 ＳＦＣＭ 最 高 下 降 １９．８％ ；该 算 法 目标 函数 平 均 迭 代 次 数 为 ３２，较 ＦＣＭ 的 ５２次 与 空 间 ＦＣＭ 的 ７６次 有 明显 降低 。 实 验 证 明 ，该 算 法 能 够 准 确 、快 速 地 分 割 出 重要 目标 ，且 对 图 像 噪 声 不 敏 感 。 关 键 词 ：ＦＣＭ 算 法 ；聚 类 中心 ；局 部 密 度 ；空 间 信 息 ；ＤＴＩ图 像 中 图 分 类 号 ：Ｒ３１８ 文 献 标 志码 ：Ａ 文章 编 号 ：０２５８—８０２１（２０１８）０４—０３９４—１０