【技术实现步骤摘要】
本专利技术属于数据安全，尤其涉及一种基于外包计算的多模态图像聚类分割方法及系统。
技术介绍
1、随着医学成像技术的不断发展，多模态医学图像分割方法被广泛研究，应用在诊断、检测、治疗等多种医疗场景；计算机断层扫描(ct)图像、磁共振成像(mri)图像、正电子发射断层扫描(pet)图像和超声(us)图像等常见的医学图像，从不同视角提供人体内部的生理信息；基于模糊c均值与粒子群优化聚类算法(fcm-pso)的多模态医学图像分割方法利用不同模态医学图像中丰富的互补信息，通过各个像素之间特征的相似程度对像素进行分类，自动、有效地分割出组织结构或病灶区域。
2、由于高分辨率医学图像占用大量存储空间、高精确度聚类图像分割算法需求大量计算资源、医疗机构本地计算设备具有资源受限特性，基于聚类算法的多模态医学图像分割面临需求与资源无法匹配的问题。在机器学习领域，针对本地设备无法满足算法执行的资源需求的情况，一种常见的解决方案是使用外包计算技术将复杂计算任务交付给云服务器完成。对于特定的机器学习算法，在本地执行向量加减、阈值比较等轻量级计算，在云...
【技术保护点】
1.一种基于外包计算的多模态图像聚类分割方法，其特征在于，包括：
2.如权利要求1所述的一种基于外包计算的多模态图像聚类分割方法，其特征在于，所述预处理，是对图像进行灰度转换与数值归一化处理，由同一像素点在不同模态图像中的灰度值组成多模态图像像素矩阵。
3.如权利要求1所述的一种基于外包计算的多模态图像聚类分割方法，其特征在于，所述改进后的聚类算法，采用基于模糊C均值与粒子群优化聚类算法FCM-PSO，具体步骤为：
4.如权利要求3所述的一种基于外包计算的多模态图像聚类分割方法，其特征在于，所述计算像素点与聚类中心之间的距离，包括：
5.如...
【技术特征摘要】
1.一种基于外包计算的多模态图像聚类分割方法，其特征在于，包括：
2.如权利要求1所述的一种基于外包计算的多模态图像聚类分割方法，其特征在于，所述预处理，是对图像进行灰度转换与数值归一化处理，由同一像素点在不同模态图像中的灰度值组成多模态图像像素矩阵。
3.如权利要求1所述的一种基于外包计算的多模态图像聚类分割方法，其特征在于，所述改进后的聚类算法，采用基于模糊c均值与粒子群优化聚类算法fcm-pso，具体步骤为：
4.如权利要求3所述的一种基于外包计算的多模态图像聚类分割方法，其特征在于，所述计算像素点与聚类中心之间的距离，包括：
5.如权利要求4所述的一种基于外包计算的多模态图像聚类分割方法，其特征...
【专利技术属性】
技术研发人员：孔凡玉，孙欣蓉，陶云亭，孔兰菊，蒋亚丽，
申请(专利权)人：山东大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。