基于二次聚類的主動脈弓分割方法

陳中中， 楊亞茹， 張建飛， 王倩倩， 朱惠玉

(1.鄭州大學 機械工程學院，河南 鄭州 450001； 2.河南省生產(chǎn)力促進中心，河南 鄭州 450001)

0 引言

體內(nèi)流場的監(jiān)測與評估對于觀測動脈粥樣硬化、主動脈夾層、動脈瘤等心血管疾病具有重要作用，而建立人體主動脈弓三維模型對于血液動力學研究有指導意義，但就目前的醫(yī)學測量手段而言，由于人體胸主動脈幾何形狀的復雜性，僅依靠醫(yī)療器械來實現(xiàn)三維模型建立較為困難，只有通過圖像處理的方法來得以實現(xiàn)．

基于彩色空間特性的分割一般采取區(qū)域分割和聚類的方法來實現(xiàn)[1]．其中，模糊聚類法對彩色圖像的色相飽和度進行處理，能夠快速實現(xiàn)聚類中心的初始化[2]；均值漂移法在圖像平滑、分割及物體跟蹤處理中都得到了較好的結(jié)果[3]；基于小波分析的k-means聚類分割對骨髓細胞圖像的分割效果良好，改善了傳統(tǒng)算法誤分割、過分割等問題[4]；分水嶺與區(qū)域生長算法結(jié)合起來用于彩色圖像分割，該算法能夠充分利用分水嶺和區(qū)域生長算法的優(yōu)勢[5]．然而模糊聚類算法需要預(yù)先定義模糊隸屬度函數(shù)且處理圖像復雜噪聲較多的圖像時，邊緣多呈現(xiàn)出毛刺狀，易產(chǎn)生大量孤立點[6]；均值漂移算法的準確性易受圖像中目標區(qū)域大小的影響；分水嶺算法中目標的標記提取會影響圖像分割效果；k-means算法中聚類數(shù)的設(shè)定需要先驗知識，若選取不當分割效果會很差；區(qū)域生長法種子點的選取決定了目標物能否……