A novel region-based level set method initialized with mean shift clustering for automated medical image segmentation

آغازگر مناسب و تکامل پایدار، معیار مطلوب برای برآورده شدن روش های سطح است. در این مطالعه، یک روش جدید مبتنی بر سطح منطقه مبتنی بر استفاده از اطلاعات تصویری جهانی و محلی مکمل پیشنهاد شده است. اطلاعات تصویری جهانی از میانگین خوشه بندی تغییر بدون هیچ گونه دانش قبلی استخراج می شود. با تنظیم مقادیر خوشه بندی، خطوط اولیه مناسب بدست می آیند. اطلاعات تصویر محلی، به عنوان استخراج شده توسط یک انرژی مناسب داده ها، برای حفظ تکامل پایدار از منحنی تنظیم صفر استفاده می شود. مزایای روش پیشنهادی عبارتند از: اول، پارامترهای کنترل تکامل را می توان به راحتی با نتایج خوشه بندی تخمین زد. دوم، خودکار بودن مدل به دلیل کاهش هزینه محاسبات و مداخله دستی افزایش می یابد. نتایج تجربی تأیید کننده کارایی و دقت روش پیشنهادی برای تقسیم بندی تصویر پزشکی است.