超像素有偏观测模糊聚类的乳腺超声图像分割

图像分割在医学超声图像的定量、定性分析中均扮演着十分重要的作用，并直接影响到后续的分析、处理工作。 乳腺组织的特殊性导致了其超声图像纹理复杂、噪声明显、对比度较低，临床应用难以准确自动分割，诊断较依赖于人工 观测。针对此问题提出一种基于超像素和模糊聚类技术相结合的图像分割算法。采用紧密度自适应的简单线性迭代聚 类产生超像素，实现初步划分，减小计算量；计算各超像素的特征向量组成集合；采用聚类有效性分析和有偏观测模糊C 均值聚类将特征向量分类，实现目标区域的有效分割。采用此方法对20帧乳腺超声图像进行图像分割实验，采用基于区 域的评价准则对分割结果进行量化评估，评估结果表明真阳性为 92.87%±2.98%，假阳性为 11.05%±2.75%，相似性为 83.39%±3.64%，取得了较好的分割结果。对乳腺肿块超声诊断的辅助方法研究具有探索意义