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*

魏红霞，魏园园，王良敏，王力，许晓亮

(1.南阳市第二人民医院医学影像科，南阳 473000；2.南阳市第二人民医院神经内科，南阳 473000；3.南阳市第二人民医院放射诊断，南阳 473000；4.河南科技大学第一附属医院影像中心，洛阳 471000)

1 引 言

精准区分肿瘤区域与健康区域在疾病诊断与手术引导等方面具有重大意义[1]。磁共振成像技术具备高空间分辨率，在各种肿瘤检测领域应用广泛。多模态磁共振图像的作用是凸显每个肿瘤的范围。脑肿瘤的生长会不断压迫该肿瘤所在位置的神经[2]，导致身体机能出现不同程度的问题，重则出现生命危险。准确分割脑肿瘤区域可充分获取磁共振图像信息[3]，提升疾病诊断与治疗等方面的精度，而脑肿瘤个体差异较大且边界不清晰，因此分割的难度很大[4]。手动分割脑肿瘤区域的精度基本取决于医生的个人经验，且分割时间较长。朱婷等[5]研究基于WRN-PPNet的多模态MRI脑肿瘤全自动分割，提升分割精度；何承恩等[6]研究多模态磁共振脑肿瘤图像自动分割算法，通过混合膨胀卷积模块以及混合损失函数提升分割精度；但这两种方法分割效率较低。层次聚类简单高效，在图像分割领域应用广泛[7]。为提升分割效率及精度，本研究提出一种基于层次聚类的多模态磁共振脑肿瘤图像自动分割方法。

2 基于层次聚类的多模态磁共振脑肿瘤图像自动分割方法

2.1 多模态磁共振脑肿瘤图像特征提取方法

利用Tamura的特征提取方法，以粗糙度、对比度为特征提取的分析指标，提取多模态磁共振脑肿瘤图像的纹理特征[8]。……