23、基于大规模多智能体系统的脑磁共振成像分割方法

基于大规模多智能体系统的脑磁共振成像分割方法

1. 引言

医学图像分割在医学诊断和研究中具有重要意义。目前，医学图像分割领域已经开展了大量工作，主要基于顺序方法或多智能体范式。本文将介绍一种结合全局模糊C均值（FCM）和局部区域生长（RG）方法的大规模多智能体系统（MMAS），用于脑磁共振成像（MRI）的分割。

2. 相关工作

在医学图像分割领域，已有多种方法被提出，以下是一些相关工作的介绍：
- 模糊分割方法 ：Stao等人使用模糊方法对大脑的三种脑组织进行分割，并研究组织特征与萎缩演化的关系。但传统的模糊C均值（FCM）在某些图像上的分割效果不佳。
- 基于马尔可夫场的方法 ：Jaggi提出基于马尔可夫场的方法，考虑了部分容积效应。
- 引入上下文信息的方法 ：Geraud借助不同形式引入上下文信息，通过马尔可夫正则化和数学形态学实现脑组织的分离和处理。
- 基于自主智能体的方法 ：J. Liu等人提出基于自主智能体的图像特征提取方法，智能体根据局部刺激激活行为。
- 多信息融合的方法 ：Germond等人在合作框架下融合多种信息和知识，实现合作分割，但该方法使用的先验知识在某些病理情况下无法验证。
- 多智能体合作的方法 ：Richard等人让定位智能体合作分割脑MRI，定义了多种类型的智能体。Duchesnay使用多智能体系统，组织智能体在不规则金字塔上合作聚合区域。Porquet等人