摘要
为收集新生儿缺氧缺血性脑病(HIE)核磁共振图像特征数据,采用基于遗传算法(GA)结合脉冲耦合神经网络(PCNN)的方法,对新生儿HIE磁共振图像进行分割实验和病灶特征提取。结果显示:基于GA的PCNN分割不仅有较好的分割结果,且优于具有固定参数PCNN的分割,可为HIE早期诊断系统建立提供依据,为进一步诊断及研究提供有效的帮助。
This paper is to provide a basis for the establishment of an early diagnostic system for hypoxic-ischemic encephalopathy （HIE） by performing segmentation and feature extraction of lesions on the MR images of neonatal babies with HIE. The segmentation on MR images of HIE based on the genetic algorithm （GA） combined with a pulsecoupled neural network （PCNN） were carried out. There were better segmentation results by using PCNN segmentation based on GA than PCNN segmentation with fixed parameters. The data suggested that a PCNN based on OA could provide effective assistance for diagnosis and research.
出处
《生物医学工程学杂志》
EI
CAS
CSCD
北大核心
2011年第5期1019-1024,共6页
Journal of Biomedical Engineering
基金
国家自然科学基金资助项目(30772342)
陕西省科技发展计划项目资助(2005K14-G7)
关键词
新生儿
缺氧缺血性脑病
磁共振图像
脉冲耦合神经网络
遗传算法
图像分割
Newborn infant
Hypoxie-ischemic encephalopathy （HIE）
Magnetic resonance imaging
Pulse-coupledneural network （PCNN）
Genetic algorithm （GA）
Image segmentation
