یک الگوریتم جدید میانگین C فازیِ متمرکز شده با کاربردی در قطعه بندی تصویر پزشکی

قطعه بندی تصویر نقشی حیاتی در بسیاری ار کاربردهای تصویربرداری پزشکی دارد. در این مقاله، الگوریتمی جدبد برای قطعه بندی فازیِ داده ی تصویربرداری با تشدید مغناطیسی (MRI) مطرح می کنیم. این الگوریتم با تغییر دادن تابع هدف در الگوریتم میانگین C فازی مرسوم شناخته می شود. لازم به ذکر است که این تغییر با استفاده از مقیاس فاصله ی ناشی از هسته و جریمه ی فضایی در توابع عضویت انجام داده شده است. اولا، فاصله ی اقلیدسی اصلی در FCM با یک فاصله ی ناشی از هسته جایگزین می شود و از این رو الگوریتم های متناظر استنتاج می شوند و الگوریتم میانگین C فازی متمرک شده (KFCM) نامیده می شوند. نشان داده شده است که KFCM مقاوم تر از FCM است. در ادامه یک جریمه ی فضایی به تابع هدف در KFCM اضافه می شود. این کار به منظور جبران سازی برای ناهمگنی های شدتِ تصویر MR و ایجاد امکان برچسب زنی به یک پیکسل که تحت تاثیر همسایه هایش قرار گرفته، می باشد. عبارت جریمه به عنوان یک تنظیم کننده عمل می کند و دارای ضریبی در محدوده ی صفر تا یک می باشد نتایج تجربی روی هر دو تصویر MR واقعی و مصنوعی نشان دادند که الگوریتم های مطرح شده، در زمانی

Image segmentation plays a crucial role in many medical imaging applications. In this paper, we present a novel algorithm for fuzzy segmentation of magnetic resonance imaging (MRI) data. The algorithm is realized by modifying the objective function in the conventional fuzzy C-means (FCM) algorithm using a kernel-induced distance metric and a spatial penalty on the membership functions. Firstly, the original Euclidean distance in the FCM is replaced by a kernel-induced distance, and thus the corresponding algorithm is derived and called as the kernelized fuzzy C-means (KFCM) algorithm, which is shown to be more robust than FCM. Then a spatial penalty is added to the objective function in KFCM to compensate for the intensity inhomogeneities of MR image and to allow the labeling of a pixel to be influenced by its neighbors in the image. The penalty term acts as a regularizer and has a coefficient ranging from zero to one. Experimental results on both synthetic and real MR images show that