一种基于人眼视觉系统的改进SPCNN医学图像分割方法

摘要： 提出了一种基于人类视觉系统(HVS)的改进简化脉冲耦合神经网络(MSPCNN)医学图像分割方法。该方法根据PCNN和HVS特性成功确定了MSPCNN的刺激输入。为实现这一目标，我们通过引入相邻神经元点火矩阵Q并基于新型MSPCNN(NMSPCNN)计算强度分布范围，推导出中心神经元点火的子强度区间，进而揭示了子强度区间参数Sint如何生成更接近HVS的刺激输入Sioij。此外，尝试将该刺激输入代入MSPCNN以提取更适合医学图像的病灶区域。与主流PCNN模型相比，由于参数设置方法的优势，MSPCNN具有更高的分割准确率和更低的计算复杂度。最终，与现有最优方法相比，本方法展现出更优性能：在MIAS、DDSM和胆结石数据集上的整体评估指标OEM分别达到0.8784、0.8606和0.8585。