【摘要】：结节感兴趣区域中的像素映射到空间位置特征和灰度特征的联合特征空间中，Xi=∈R3并且ri=I，I表示灰度；然后用Mean-Shift对感兴趣区域逐层进行聚类分割。Mean-Shift过程通过迭代下面①、②两步，保证收敛到概率密度估计函数梯度为0的点。①计算Mean-Shift向量m；②平移窗口，窗口中心位置移到Xt+1，Xt+1=Xt+m。
结节感兴趣区域中的像素映射到空间位置特征和灰度特征的联合特征空间中，Xi=（xi，yi，ri）∈R3并且ri=I（xi，yi），I表示灰度；然后用Mean-Shift对感兴趣区域逐层进行聚类分割。基于高斯核的密度函数估计为
式中：H为3×3的对角带宽参数矩阵；D为两个样品在特征空间上的马氏距离。对
求密度梯度：
求得其漂移向量为
Mean-Shift向量总是指向密度增长最快的方向。Mean-Shift过程通过迭代下面①、②两步，保证收敛到概率密度估计函数梯度为0的点。
①计算Mean-Shift向量m（Xt）；
②平移窗口，窗口中心位置移到Xt+1，Xt+1=Xt+m（Xt）。
该算法迭代地分割肺结节边缘的步骤如下：
1）初始化（t=0）：(www.xing528.com)
①求结节感兴趣区域，并区域生长出初始区域R0；
②用式（3-16）计算初始带宽参数h0。
2）迭代（t=t+1）：
①用ht-ht-1=kht-1计算带宽参数ht；
②将ht代入到均值漂移算法中分割感兴趣区域，得到区域Rt；
③如果区域Rt满足3.5.3所有规则，则最优带宽参数hb=ht，转到步骤3）；否则，再回到步骤2）。
3）最后，将最优带宽参数hb代入到基于均值漂移算法中分割感兴趣区域，得到精确的肺结节边缘。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
