TY-JOUR A2-Chen，Jyh Cheng AU-Zhang，Chong AU-Shen，Xuanjing AU-Cheng，Hang AU-Qian，Qingji PY-2019 DA-2019/04/09 TI-基于混合聚类和形态学操作的脑肿瘤分割SP-7305832 VL-2019 AB-从脑磁共振成像（MRI）推断肿瘤和水肿区域由于脑肿瘤结构复杂、边界模糊以及噪声等外部因素，数据仍然具有挑战性。为了降低噪声敏感性，提高分割的稳定性，本文提出了一种有效的结合形态学运算的混合聚类算法来分割脑肿瘤。本文的主要贡献如下：首先，采用自适应维纳滤波进行去噪，采用形态学运算去除非脑组织，有效地降低了该方法对噪声的敏感性。其次，将K-means++聚类与基于高斯核的模糊C-means算法相结合进行图像分割。这种聚类不仅提高了算法的稳定性，而且降低了聚类参数的敏感性。最后，使用形态学运算和中值滤波对提取的肿瘤图像进行后处理，以获得脑肿瘤的精确表示。此外，还将该算法与现有的其他分割算法进行了比较。结果表明，该算法在准确性、敏感性、特异性和召回率方面都有较好的性能。SN-1687-4188 UR-https://doi.org/10.1155/2019/7305832 DO-10.1155/2019/7305832 JF-国际生物医学成像杂志PB-印度群岛KW-ER-