《表2 不同算法对T1加权MRI脑图像的Hausdorff指数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于模糊熵聚类和改进粒子群的MRI脑图像分割研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

为进一步验证本文算法在高噪环境下的性能，选择K-Means、KFCM KFEC-HNPSO和本文算法进行脑MRI图像分割实验，并分别验证算法对白质（WM）、灰质（GM）和脑脊液（CSF）的分割精度。使用Dice系数和Hausdorff距离作为分割精度度量，这样能够定量分析与客观评价算法的实现效果。Dice是用来评价算法分割后的图像与Brain Web数据库提供的金标准图像的重叠率，Dice系数的取值在0和1之间，值越接近1，代表2种图像相似度越接近100%，图像也越精确。Dausdorff距离是一种基于空间距离的度量方法，用来度量分割后的图像和金标准之间的差异，值越低，表示结果越好。图3给出了不同算法下对T1加权MRI脑图像（80切片）的分割结果。