《表3 不同分割算法对应的临床实例图像分割定量评估结果》

  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

《基于先验知识和模糊C均值聚类算法的脑部磁共振图像分割研究》

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

注:表中FCM为标准C均值算法；NFCM为邻域FCM算法；NL-R-FCM为非局部强健FCM算法；NL-FCM为非局部FCM算法；NL-Reg为非局部正则化算法；RFCM为强健FCM算法；PIGFCM为基于先验知识引导FCM算法。

图2显示，基于本研究算法分割的MR图像各组织区域最接近参考图像，其他算法存在过度分割或者分割不足。基于本研究提出PIGFCM分割算法所得脑白质与灰质的Dice相似性系数分别提升12.8%～16.6%和1.1%～40.4%。白质和灰质的RMSE为其他算法的0.63～0.94倍，平均耗时是其他算法的0.08～0.75倍，适用于临床实例MR图像各组织部分分割。不同分割算法对应的临床实例图像分割定量评估结果见表3。