一种基于超像素和改进U-net的多模态脑部肿瘤图像分割方法

摘要

针对多模态脑部肿瘤图像分割难度较大和对脑部肿瘤边缘区域的分割不足等问题,本文将多模态脑部肿瘤图像分割任务分成两部分解决.第一部分是对脑部肿瘤轮廓区域的分割,先用超像素分割算法对图像进行预处理简化图像的表示形式,再提取每个超像素区域的灰度直方图,通过皮尔逊相关系数计算每个超像素区域的相似度,最后用均值漂移算法对剩余的直方图进行迭代运算,完成对脑部肿瘤图像轮廓区域的分割.通过在2D脑部肿瘤图像LGG数据集上的大量实验分析,本文的肿瘤轮廓分割模型可以很好的分割出肿瘤轮廓.第二部分用本文改进的U-net算法对脑部肿瘤图像轮廓区域进行精细的多模态分割.在多模态脑部肿瘤图像数据库Brats2019进行大量的实验,结果表示本文算法能够很好的细分出脑部肿瘤区域.