典型文献
基于无监督学习的医学图像分割算法
文献摘要：
图像分割是研究大脑结构和功能的基础.本文基于无监督机器学习提出一种面向猕猴脑图像的自动化分割算法.基于非线性最小二乘法构建主成分流程框架,确定图像分割聚类数,通过谱聚类算法得到感兴趣区域的分割结果,使用克莱姆相关系数和拓扑相似性指标交叉对比验证结果.实验结果表明,本文算法可靠性较好,能够自动、高效、快速的实现脑图像分割,具有广阔的优势和应用前景.
文献关键词：
图像分割算法;主成分分析;谱聚类;核磁共振图像处理
中图分类号：
作者姓名：
何斌;臧义华;梁佳
作者机构：
中国电子科技集团公司第十五研究所,北京 100083
文献出处：
引用格式：
[1]何斌;臧义华;梁佳-.基于无监督学习的医学图像分割算法)[J].自动化技术与应用,2022(06):82-85
A类：
核磁共振图像处理
B类：
无监督学习,医学图像分割,图像分割算法,大脑结构,结构和功能,无监督机器学习,猕猴,猴脑,非线性最小二乘法,分流程,分割聚类,聚类数,谱聚类算法,感兴趣区域,克莱姆,拓扑相似性,相似性指标,对比验证,优势和应用
AB值：
0.318049
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
