TY - JUR A2 - Chen，Jyh-Cheng Au - Zhang，Chong Au-Shen，Xuanjing Au - Cheng，Hang Au - Qian，清济，2019 DA - 2019/04/09 Ti-Brain肿瘤分割基于杂交聚类和形态学作业SP - 7305832 VL - 2019 AB - 肿瘤和水肿区域从脑磁共振成像（MRI）数据仍然挑战，由于脑肿瘤的复杂结构，模糊边界和噪音等外部因素。为了减轻噪声敏感性并提高分割的稳定性，提出了一种与形态学作业相结合的有效杂化聚类算法，用于分割本文分段脑肿瘤。本文的主要贡献如下：首先，使用适应性维纳滤波用于去噪，使用形态学操作用于去除非脑膜组织，有效降低该方法对噪音的敏感性。其次，K-Means ++群集与基于高斯内核的模糊C型算法组合到段图像。此聚类不仅提高了算法的稳定性，而且还降低了聚类参数的灵敏度。最后，利用形态学操作和中值过滤进行了提取的肿瘤图像以获得脑肿瘤的准确表示。此外，将所提出的算法与其他电流分割算法进行比较。结果表明，该算法在准确性，敏感度，特异性和召回方面表现更好。SN - 1687-4188 UR - https://doi.org/10.1155/2019/7305832 do - 10.1155/2019 / 7305832 jf - 国际生物医学成像Pb - Hindawi Kw - ER -