典型文献
基于B样条拟合与回归模型的脑神经纤维聚类方法
文献摘要：
针对现有的神经纤维聚类技术通常依赖于纤维束的空间位置,缺乏对神经纤维走向信息考量的问题,提出一种基于B样条拟合与回归模型的脑神经纤维聚类方法,将神经纤维进行B样条拟合与采样,标准化,使用线性回归方程进行神经纤维描述,构造出每根神经纤维的高斯密度函数与神经纤维分布的极大似然函数,使用EM聚类算法进行聚类.将该算法与QB聚类算法应用到真实医学数据(PPMI影像数据跟踪出的脑神经纤维)上,并对聚类结果与QB聚类结果进行评估,定性地判断分类结果在解剖学空间上的相似性,定量地比较聚类后脑神经纤维的数目.实验结果表明,该方法在功能区层面的聚类可以更有效地分割出具有解剖学结构的脑神经纤维.
文献关键词：
脑神经纤维;B样条拟合;线性回归;EM聚类算法;纤维聚类
中图分类号：
作者姓名：
徐超清;王云超;孙国道;梁荣华;徐秀芳
作者机构：
浙大城市学院计算机与计算科学学院 杭州 310015;浙江工业大学计算机科学与技术学院 杭州 310023;杭州医学院 杭州 310053
文献出处：
引用格式：
[1]徐超清;王云超;孙国道;梁荣华;徐秀芳-.基于B样条拟合与回归模型的脑神经纤维聚类方法)[J].计算机辅助设计与图形学学报,2022(12):1920-1929
A类：
纤维聚类,高斯密度函数
B类：
样条,脑神经纤维,聚类方法,聚类技术,纤维束,空间位置,线性回归方程,纤维分布,极大似然,似然函数,EM,聚类算法,QB,算法应用,医学数据,PPMI,影像数据,解剖学,后脑,功能区,割出
AB值：
0.217931
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。
