基于K-means聚类算法的肝脏肿瘤分割

范智浩 吕东澔 王晓峰

摘要：肝癌一种常见的恶性疾病，对人的危害性极大。该文以腹部CT为处理对象，使用了一种基于K-means聚类算法的图像分割方法对腹部CT中的肝脏肿瘤进行分割，并将此方法的分割结果与传统的区域生长算法的分割结果进行了对比，实验结果表明该文采用的分割方法具有更高的分割精度，分割结果更接近金标准分割。结论：随着新的图像处理理论与工具不断提出和改进，越来越多的图像处理方法可以应用到医学图像中，医务工作者可以根据临床需要的不同，选择合适的图像处理算法。

关键词：腹部CT;区域生长;肿瘤;K-means

中图分类号：TP391.41 文献标识码：A

文章编号：1009-3044（2020）19-0165-03

开放科学（资源服务）标识码（OSID）：

医学是与我们每个人都息息相关的应用学科，其发展水平与人们的生活的质量密切相关。目前的医学影像设备可以为医务人员提供多模态的二维影像信息，如：CT（ computed tomog-raphy）圖像、US （ultrasonography）图像、MRI（magnetic resonanceimaging）图像等，每一种医学影像在临床中都不可替代[1]。随着计算机技术与图像处理技术的大大提高，现代医学的进步和医学影像技术的发展不可分割。CT图像分辨率高，价格适中，在肝脏肿瘤的诊断过程中起着重要作用，因此本文选用腹部CT为处理对象。然而，肝脏肿瘤没有固定的形状和大小，其灰度值与周围组织也比较相近，如何从腹部CT图像中快速准确的分割出肿瘤成为科研人员的研究热点。在目前的临床实践中采用最多的还是手动描绘肝脏肿瘤的边缘，此项工作十分乏味，分割速度缓慢[2]。……