硬聚类与软聚类在脑肿瘤 MRI 图像分割中的比较评估
计算机视觉与模式识别
2025-09-09 v1 人工智能
摘要
从磁共振成像（MRI）中对脑肿瘤进行分割仍是医学图像分析中的关键挑战，因为肿瘤形态和强度分布呈现异质性。准确描绘肿瘤边界对临床决策、放射治疗规划和疾病监测至关重要。本研究对两种主要聚类方法在 MRI 肿瘤分割中所采用的硬聚类（以 K-Means 为例）和软聚类（以 Fuzzy C-Means（FCM）为例）进行了全面比较。虽然 K-Means 将每个像元严格分配给单个簇，但 FCM 引入了部分成员关系，意味着每个像元可以以不同程度的关联方式属于多个簇。使用 BraTS2020 数据集进行实验验证，采用高斯滤波和对比受限自适应直方图均衡（CLAHE）进行预处理。评估指标包括 Dice 相似系数（DSC）和处理时间，这些指标共同表明 K-Means 在平均运行时间上0.3秒/图像方面实现了优越的速度，而 FCM 在平均 DSC 上达到0.67，显著优于 K-Means 的0.43，尽管计算成本更高（1.3秒/图像）。这些结果凸显了计算效率与边界精度之间的内在权衡。
引用
@article{arxiv.2509.05340,
title = {Comparative Evaluation of Hard and Soft Clustering for Precise Brain Tumor Segmentation in MR Imaging},
author = {Dibya Jyoti Bora and Mrinal Kanti Mishra},
journal= {arXiv preprint arXiv:2509.05340},
year = {2025}
}
备注
15 pages, 10 figures