改进BIRCH算法的MRI脑图像分割

针对现有磁共振常规扫描序列对于颅脑白质、灰质信号相近分辨不清,解剖病变欠佳,难以达到临床高精准诊断的需求,选用改进的BIRCH算法,首先将3维MRI体数据经过预处理,由灰度与梯度组成特征向量,然后利用Cophenet相关系数,确定最优参数——分支因子B、阈值T,最后通过定义可调节线段L,改进原BIRCH算法仅将数据样本点到质心的平均距离作为半径R的局限性。仿真实验表明,提出的改进BIRCH算法,与已有BIRCH算法相比,聚类指标FMI值与RI值指数分别达到0.754 5与0.542 1,分别提升了2.79%与1.42%,并于其他聚类算法比较,所提算法性能表现仍为最优,脑WM、GM、CSF的组织分割精度Dice指数分别为0.939 4、0.834 2、0.853 1,Hausdorff距离分别为14.988 1、12.964 2、13.601 5,所提算法可为临床医学提供一定帮助。