摘要：目的提出一种基于模糊聚类和改进C-V模型的新型图像分割方法,以精准和快速地提取冠状动脉CT血管造影图像中的冠脉轮廓。方法首先对原始冠脉CT造影图像进行预处理;然后利用模糊C均值聚类算法进行预分割,将获得的隶属矩阵和聚类信息耦合进改进的C-V模型中,完成对冠脉图像的分割;最后定性和定量分析本文模型与其他两种传统模型对冠脉CT造影图像的分割结果。结果定性分析结果显示,本文模型以较少的迭代次数完成了对冠脉轮廓的提取,对细小复杂的组织具有较强的分割能力,目标边缘光滑。定量分析结果显示,本文模型迭代200次耗时11.722 s、重叠率83.42%,迭代400次耗时16.493 s、重叠率85.13%。结论结合模糊聚类的改进C-V模型能以较少迭代次数完成对冠脉轮廓的提取,具有分割速度快、抗噪能力强、目标边缘光滑等特点。该方法可以用于冠脉的分割,并为后续冠脉图像的三维重建研究提供参考。
分类：期刊> 自然科学与工程技术> 医药卫生科技> 生物医学工程
收录：统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：冠状动脉ct造影 模糊c均值聚类 图像分割
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
