王　昕，徐文杰

(长春工业大学　计算机科学与工程学院，吉林 长春 130012)



甲状腺结节超声图像分割算法研究

王昕，徐文杰

(长春工业大学计算机科学与工程学院，吉林 长春 130012)

超声甲状腺结节分割是发现与识别甲状腺良恶性肿瘤的关键技术之一。针对模糊聚类法无法准确分割超声图像甲状腺结节边缘，而局部拟合(RSF)模型法对手动初始化轮廓敏感的问题，提出一种融合空间约束模糊C均值聚类和局部拟合RSF模型的分割结节方法。用空间约束模糊C均值聚类法(SKFCM)对图像进行聚类并二值化聚类结果作为RSF模型法初始轮廓，克服了RSF模型法对初始轮廓敏感问题，水平集演化参数也将通过聚类结果自动给出，不再需要人为设定。同时改进了RSF模型法拟合项，并利用高斯正则化规则RSF模型水平集，提高了RSF模型演化效率，缩短了收敛时间。仿真实验结果表明，提出的甲状腺结节超声图像分割方法能够快速准确地分割出结节区域。

甲状腺结节分割；空间约束聚类；局部拟合模型；高斯正则化

甲状腺结节准确分割是甲状腺结节病变诊断的基础。结节指在甲状腺内部的肿块，可随吞咽动作在甲状腺内部上下移动，是临床常见病症，可由多种病因引起。早期结节是一种良性增生性病变，可以累及使甲状腺慢性病变，也可以只波及一叶或一部分，在甲状腺内只形成单结节[1]。不同病变期结节的结构复杂多样，一定程度上增加了鉴别难度[2]。如果能充分认识甲状腺结节的各种超声特点，正确地识别判断，就可以减少误诊机会，提高诊断符合率，使许多病人免予不必要的手术，对指导临床治疗有重要价值。……