基于图像自动分割算法的MRI成像对脑小血管病患者脑白质病变的诊断分析

目的分析基于图像自动分割算法的磁共振扫描(MRI)成像对脑小血管病患者脑部病变的诊断价值。方法回顾性分析本院2021年1月~2022年4月收治的106例可疑脑小血管病患者的临床资料,构建基于图像自动分割算法的MRI成像方法对脑白质病变情况进行诊断。比较常规MRI和基于图像自动分割算法的MRI成像对脑白质病变的诊断的效能。结果106例受试者中有73例确诊为脑小血管病,余33例中有17例帕金森病、10例周围神经病、6例特发性震颤;脑白质病变常规MRI检查可见T1加权成像(T1WI)低信号,T2加权成像(T2WI)和液体衰减反转恢复序列(FLAIR)呈高信号,且可累及脑室周围、深部脑白质,早期可见散在、斑片状、大小不等病灶,晚期可见片状信号;基于图像自动分割算法的MRI成像检出脑白质病变诊断脑小血管病的灵敏度、特异度、准确度分别为89.04%、93.94%、90.57%,均高于常规MRI的68.49%、66.67%、67.92%(P<0.05),且前者的Kappa值为0.815,也高于后者的0.648。结论 基于图像自动分割算法的MRI成像可用于判断脑白质病变进而诊断脑小血管病。

自动图像阈值分割算法

该文提出了一种新的图像阈值分割算法。该算法通过求取最大模糊熵准则下,灰度均值直方图的最佳模糊划分参数来确定两个模糊集A和B,图像分割阈值即选取为两个模糊集的交点。该算法用Zadth的模糊熵定义适应度函数,采用改进的遗传算法寻求最佳模糊参数。该文对遗传算法的改进包括,给出了缩短染色体码长的编码方法和性能良好的改进的单点交叉算子和均匀变异算子。实验结果表明,该算法的分割效果与二维模糊熵算法接近,而计算时间还没有用到二维模糊熵算法的一半。