《表1 本文算法在选择不同切片和(1/n，λ)值时的Dice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

首先本文研究了在不同的模糊熵1/n和空间约束参数λ取值下，对本文算法的影响。由式（8）、（9）可知，隶属度和聚类中心是1/n和λ这些参数的指数这些参数值越高，会使uij和ci对噪声越敏感，从而最终影响分割结果。对于参数的确定，我们先通过固定参数1/n和修改参数λ，以及固定参数λ和修改参数1/n进行实验得出最优参数值区间，其次在最优参数区间内寻找最优值（1/n，λ），最终发现了在1/n=10，λ=2.7下能得到最好的效果图。表1给出了MRI脑图像（切片50，70，90，110）选择不同（1/n，λ）值时的Dice系数值，不难看出本文算法在选择参数值（10，2.7）时能取得最优分割结果。图2给出了在最佳参数下带有9%的噪声以及40%的偏移场的MRI图像分割结果，本文选取90切片作为显示。