(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210333957.2 (22)申请日 2022.03.30 (71)申请人 中科微影 （浙江） 医疗科技有限公司 地址 317317 浙江省台州市仙居县白塔镇 仙居县经济开发区白塔 工业集聚区 (72)发明人 李景荣　 (74)专利代理 机构 北京一枝笔知识产权代理事 务所(普通 合伙) 11791 专利代理师 张庆瑞 (51)Int.Cl. G06V 10/26(2022.01) G06V 10/762(2022.01) G06V 10/30(2022.01) G06V 10/52(2022.01) G06K 9/62(2022.01) (54)发明名称 一种基于聚类算法的核磁共振图像分割方 法与系统 (57)摘要 本发明提供了一种基于聚类算法的核磁共 振图像分割方法与系统， 包括： 对增强后的核磁 共振图像进行初步聚类； 以增强后的核磁共振图 像中每个像素点为中心取一个邻域， 计算邻域中 像素点隶属初始聚类中心的先验值； 根据先验值 构建构建聚类函数； 对增强后的核磁共振图像进 行聚类分割得到分割后的核磁共振图像。 本发明 通过对核磁共振图像进行初步聚类得到多个初 始聚类中心， 然后根据邻域中像素点隶属初始聚 类中心的先验值构建聚类函数， 并基于聚类函数 对核磁共振图像进行分割聚类， 可以将核磁共振 图像上的目标区域和背景区域完美分割开， 同时 由于本发明引入了空间邻域信息， 提高了对噪声 的抗干扰能力， 使得目标区域的轮廓和纹理更加 清晰。 权利要求书4页 说明书9页 附图2页 CN 114693931 A 2022.07.01 CN 114693931 A 1.一种基于聚类算法的核磁共 振图像分割方法， 其特 征在于， 包括： 步骤1： 获取核磁共 振图像； 步骤2： 对所述核磁共 振图像进行图像增强得到增强后的核磁共 振图像； 步骤3： 对所述增强后的核磁共 振图像进行初步聚类得到多个初始聚类中心； 步骤4： 以所述增强后的核磁共振图像中每个像素点为中心取一个邻域， 计算邻域中像 素点隶属初始聚类中心的先验值； 步骤5： 根据所述先验值构建邻域约束函数； 步骤6： 根据所述邻域约束函数构建聚类函数； 步骤7： 利用拉格朗日乘子法对所述聚类函数进行求解得到隶属度函数和聚类中心函 数； 步骤8： 根据所述隶属度函数和聚类中心函数对增强后的核磁共振图像进行聚类分割 得到分割后的核磁共 振图像。 2.根据权利要求1所述的一种基于聚类算法的核磁共振图像分割方法， 其特征在于， 所 述步骤2： 对所述核磁共 振图像进行图像增强得到增强后的核磁共 振图像， 包括： 步骤2.1： 对所述核磁共振图像进行多尺度小波分解得到高频小波系数和低频小波系 数； 步骤2.2： 根据所述高频小波系数的均值和标准差构建自适应降噪系数和自适应滤波 阈值； 步骤2.3： 根据所述自适应降噪系数和所述自适应滤波阈值构建自适应阈值 函数； 步骤2.4： 利用所述自适应阈值函数对核磁共振图像进行滤波得到滤波后的核磁共振 图像； 步骤2.5： 将所述滤波后的核磁共 振图像转换到模糊聚类集； 步骤2.6： 对模糊聚类集中的核磁共振图像进行聚类增强处理得到增强后的核磁共振 图像。 3.根据权利要求2所述的一种基于聚类算法的核磁共振图像分割方法， 其特征在于， 所 述步骤2.2： 根据所述高频小波系数 的均值和标准差构建自适应降噪系 数和自适应滤波阈 值， 包括： 采用公式： 构建自适应降噪系数和自适应滤波阈值； 其中， Gi,j表示自适应降噪系数， k表示调节参 数， wi,j表示第i个分解尺度下第j 个高频小波系数， μ表 示第i个分解尺度下高频小波系数的 均值， σ 表示第i个分解尺度下第j个高频小波系数的标准差， Ti表示自适应滤波阈值， σ0＝ median(|wi,j|)/0.6745。 4.根据权利要求3所述的一种基于聚类算法的核磁共振图像分割方法， 其特征在于， 所 述自适应阈值 函数为：权　利　要　求　书 1/4 页 2 CN 114693931 A 2其中， s表示调节权重， s＝n/N， N表示第i个尺度下所有高频小波系数的个数， n表示第i 个尺度下 所有小于自适应滤波阈值的高频小 波系数的个数。 5.根据权利要求1所述的一种基于聚类算法的核磁共振图像分割方法， 其特征在于， 所 述步骤2.5： 将所述滤波后的核磁共 振图像转换到模糊聚类集， 包括： 步骤2.5.1： 获取 滤波后的核磁共 振图像上 各个像素点的灰度值； 步骤2.5.2： 根据所述各个像素点的灰度值构建模糊聚类转换函数； 其中， 模糊聚类转 换函数为： 其中， Xm,n表示滤波后的核磁共振图像在(m,n)处像素点的灰度 值， Xmax表示滤波后的核 磁共振图像上最大的灰度值， Xmin表示滤波后的核磁共振图像上最小的灰度值， d表示可调 阈值。 6.根据权利要求5所述的一种基于聚类算法的核磁共振图像分割方法， 其特征在于， 所 述步骤2.6： 对模糊聚类集中的核磁共振图像进行聚类增强处理得到增强后的核磁共振图 像， 包括： 步骤2.6.1： 根据所述模糊聚类转换函数构建模糊聚类 变换函数； 步骤2.6.2： 利用模糊聚类变换函数对所述模糊聚类集中的核磁共振图像进行聚类增 强处理得到聚类增强的核磁共 振图像； 其中， 模糊聚类 变换函数为： 步骤2.6.3： 利用反模糊聚类转换函数将所述聚类增 强的核磁共振图像转换成增 强后 的核磁共 振图像； 所述反模糊聚类转换函数为： 7.根据权利要求1所述的一种基于聚类算法的核磁共振图像分割方法， 其特征在于， 所 述步骤5： 根据所述先验值构建邻域约束函数， 包括： 步骤5.1： 获取核函数； 步骤5.2： 根据所述核函数和所述先验值构建邻域约束函数； 其中， 所述邻域约束函数 为：权　利　要　求　书 2/4 页 3 CN 114693931 A 3