基于层次聚类的多模态磁共振脑肿瘤图像的自动分割方法

摘要

多模态磁共振脑肿瘤图像分割是医学图像应用的基础,在病理分析与手术引导等领域具有广泛的应用价值,为提升分割效率及精度,研究基于层次聚类的多模态磁共振脑肿瘤图像自动分割方法.利用Tamura的特征提取方法,以粗糙度与对比度为特征提取的定量分析指标,提取多模态磁共振脑肿瘤图像的纹理特征构建数据集;通过融合稀疏代表点的亲和传播聚类算法与密度峰值算法构建多层次聚类算法;利用稀疏代表点的亲和传播聚类算法粗分纹理特征数据集,获取代表点集;利用密度峰值算法聚类代表点集,合并粗分与聚类结果,完成肿瘤图像自动分割.实验证明,该方法能够精准分割多模态磁共振脑肿瘤图像,具有较高的自动分割效率.