資源描述：
《畢業(yè)論文--基于FCM算法的PET醫(yī)學(xué)圖像分割》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、HUNANUNIVERSITY畢業(yè)設(shè)計(jì)(論文)設(shè)計(jì)論文題目：基于FCM的PET醫(yī)學(xué)圖像分割學(xué)生姓名：學(xué)生學(xué)號(hào)：專業(yè)班級(jí)：自動(dòng)化2班學(xué)院名稱：電氣與信息工程學(xué)院指導(dǎo)老師：學(xué)院院長(zhǎng)：2015年月日IV湖南大學(xué)畢業(yè)設(shè)計(jì)(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(yùn)用于惡性腫瘤放射治療的臨床研究。準(zhǔn)確的將PET圖像中的腫瘤區(qū)域分割出來(lái)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(biāo)。臨床實(shí)驗(yàn)中最簡(jiǎn)單的是手動(dòng)勾畫
2、。但是由于PET圖像自身的低分辨率等特點(diǎn)，模糊的邊緣，以及不均勻性讓此方法更加難以準(zhǔn)確分割出腫瘤部分，所以分割結(jié)果也不是特別準(zhǔn)確。為了更準(zhǔn)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(jìn)行實(shí)驗(yàn)。模糊聚類因其具有較強(qiáng)的描述不良問(wèn)題的能力，所以將模糊理論引入圖像處理與分析領(lǐng)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(duì)近幾年來(lái)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(shù)的發(fā)展方向，然后選擇了模糊聚類中最為經(jīng)典的方法—模糊C均值算法進(jìn)行了研究，同時(shí)通過(guò)實(shí)驗(yàn)驗(yàn)證了方法的有效性。關(guān)鍵詞：PET，圖像
3、分割，F(xiàn)CM，模糊集IV湖南大學(xué)畢業(yè)設(shè)計(jì)(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(xué)畢業(yè)設(shè)計(jì)(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?jī)?nèi)容及安排4第二章PET及其腫瘤放射
