摘要：

针对肺结节序列图像分割算法分割不准确和效率较低等问题，提出一种基于超像素和密度聚类的序列肺结节图像分割方法。首先，该方法利用结节形状特征和大小特点对超像素序列分割算法进行优化，得到图像过分割后的结果；其次，在超像素间相似度度量中引入自适应权重系数，得到后续的聚类起始点，同时提出一种新的确定自适应聚类阈值的方法，得到后续精确的聚类阈值；最后利用自适应阈值的密度聚类算法得到序列肺结节掩膜，进而得到肺部CT的序列肺结节图像。定性评估和定量比较表明，与区域生长算法、脉冲耦合神经网络算法、k均值算法以及模糊c均值聚类算法相比，该方法对孤立性肺结节、空洞型结节以及血管粘连型结节分割结果的概率边缘指数和全局一致性误差指数分别达到（0.9571,0.9190,0.9126）和（0.0392,0.0736,0.0833），尤其对空洞型结节和血管粘连型结节图像的分割优势特别明显。实验结果表明，所提方法能更完整准确的分割出多种类型结节图像序列。

中图分类号: 

• TP391