买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜河北工业大学申请的专利一种基于多层次聚类的脑部肿瘤图像分割方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114612459B 。

龙图腾网通过国家知识产权局官网在2025-01-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210279239.1，技术领域涉及：G06T7/00；该发明授权一种基于多层次聚类的脑部肿瘤图像分割方法是由刘卫朋;王鹏;陈海永;陈鹏;朱鹏旭设计研发完成，并于2022-03-21向国家知识产权局提交的专利申请。

本一种基于多层次聚类的脑部肿瘤图像分割方法在说明书摘要公布了：本发明为一种基于多层次聚类的脑部肿瘤图像分割方法，该方法包含以下内容：采集有肿瘤的脑部肿瘤核磁共振图像数据，作为脑部肿瘤原始图像，同时获取该图像的肿瘤区域掩膜；利用多层次聚类分割图像，包括预处理模块、特征提取模块、层次聚类分割模块、肿瘤区域选取模块；所述特征提取模块对滤波后的脑部肿瘤图像进行特征提取，以滤波后的脑部肿瘤图像本身像素值、3×3邻域像素均值、5×5邻域像素均值、灰度共生矩阵的能量、灰度共生矩阵的均值、Tamura中的对比度与粗糙度这七个指标为滤波后的脑部肿瘤图像的每个像素点构建特征向量，所有像素的特征向量构成一个特征矩阵。本发明结合了SAP聚类方法和DP聚类优点，在运算速度上超过了AP算法。

本发明授权一种基于多层次聚类的脑部肿瘤图像分割方法在权利要求书中公布了：1.一种基于多层次聚类的脑部肿瘤图像分割方法，其特征在于，该图像分割方法包含以下内容：采集有肿瘤的脑部肿瘤核磁共振图像数据，作为脑部肿瘤原始图像，同时获取该图像的肿瘤区域掩膜，构成算法测试数据集；利用多层次聚类分割图像，包括预处理模块、特征提取模块、层次聚类分割模块、肿瘤区域选取模块，所述预处理模块选用均值滤波，输入脑部肿瘤原始图像，输出滤波后的脑部肿瘤图像，对算法测试数据集中的原始图像的每个像素点用该像素点3×3邻域的均值代替该像素点，对各个像素点完成平均平滑滤波，获得滤波后的脑部肿瘤图像；所述特征提取模块对滤波后的脑部肿瘤图像进行特征提取，以滤波后的脑部肿瘤图像本身像素值、3×3邻域像素均值、5×5邻域像素均值、灰度共生矩阵的能量、灰度共生矩阵的均值、Tamura中的对比度与粗糙度这七个指标为滤波后的脑部肿瘤图像的每个像素点构建特征向量，所有像素的特征向量构成一个特征矩阵：所述层次聚类分割模块输入为特征提取模块获得的特征矩阵，输出最终的聚类中心以及每个点所属的类别，具体过程是：将粗分阶段的属于每个代表点的数据点，分配给划分阶段的该代表点属于的类别，即FDP阶段新生成的聚类中心获得包含的SAP阶段聚类中心的所有归属点，完成分割；所述的肿瘤区域选取模块采用阈值分割法实现，通过对聚类分割结果进行阈值选取，滤除非肿瘤簇的聚类簇，留下肿瘤区域掩膜二值图，完成脑部肿瘤图像的高精度分割；所述多层次聚类分割模块分为三个步骤：粗化阶段、划分阶段、细化阶段；其中粗化阶段采用稀疏AP聚类算法将大规模数据集缩小到规模合适的数据集并保持原数据集的重要特征和性质；划分阶段由FDP算法实现，对规模减小后的数据集进行聚类操作；细化过程将粗分阶段的属于每个代表点的数据点，分配给划分阶段的该代表点属于的类别，即FDP阶段新生成的聚类中心获得包含的SAP阶段聚类中心的所有归属点，完成分割；所述粗化阶段的情况是：粗化阶段由稀疏AP算法实现，稀疏AP算法输入数据集X＝{x1,x2，......，xN}，输出初步划分结果和代表点集，步骤如下：1.1初始化.利用公式1计算AP数据集X＝{x1,x2，......，xN}的稀疏相似度矩阵S，S的大小为N×t，式中偏置参数P设定为相似矩阵S中所有元素的中值，距离公式选用标准化欧氏距离，t为选取的近邻个数；吸引度矩阵R和归属度矩阵A初始化为N×t的零矩阵， 1.2利用公式2计算RTi,j和ATi,j： RTi,j是指第T次迭代后吸引度矩阵在i，j位置上的吸引度值，表示数据点xj对数据点xi的吸引程度，即数据点j适合代表数据点i的的程度；ATi,j是指第T次迭代后归属度矩阵在i，j位置上的归属度值，表示数据点xi选择数据点xj作为聚类中心的适合程度，当i＝j时，计算ATi,i代表ATi,j；1.3利用公式3在迭代过程中更新RT，AT的值RT＝RT1-λ+RT-1λAT＝AT1-λ+AT-1λ3式中，λ为阻尼因子，用来保证算法迭代的平稳性，λ∈[0.5,1]；1.4若吸引度矩阵R和归属度矩阵A随着迭代已经不再更新数值，或者迭代次数T已经达到了最大迭代次数限制，则执行步骤1.5的判断操作，若是两个条件都不满足，则继续循环执行步骤1.2-1.3，更新R与A的值；1.5若点xK的RTK+ATK0，则点xK是一个聚类中心即粗化阶段选出来的代表点，所有的聚类中心构成代表点集；将每个非聚类中心点分配到与其相似度最大的聚类中心所在的聚类簇当中；所述划分阶段的情况是：算法的划分阶段采用FDP算法实现，FDP算法输入DP数据集Y＝{y1,y2，......，yM}，Y是粗分阶段得到的聚类中心的像素所具有的特征向量的集合，yp是DP数据集中的第p个数据，输出划分阶段的聚类中心和每个聚类中心的归属点，步骤如下：2.1使用标准化欧氏距离计算DP数据集Y中每两个点之间的距离，若Y中共有M个数据，则将这些距离数值存储在一个M×M的矩阵中，构成FDP阶段的距离矩阵，用于下一步计算局部密度ρ和距离δ；2.2局部密度ρ公式为公式4选用了高斯核函数， 式4中dpq为点yp与点yq之间的距离，p、q取值范围为1～M的整数；dc为截断距离，将ρ降序排列，即排序后，δs的计算方法为式5： 2.3确定聚类中心，δ和ρ都大的点被选择成为聚类中心；求取局部密度最大值与局部密度最小值的平均值作为密度阈值，求取距离最大值和距离最小值的平均值作为距离阈值，遍历所有的点，将局部密度与距离都大于各自设定的阈值的点选取成为聚类中心点，剩下的点距离最近且局部密度高的点为所选取出的聚类中心点所在的类中。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人河北工业大学，其通讯地址为：300130 天津市红桥区丁字沽光荣道8号河北工业大学东院330#；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。