6、脑部肿瘤检测与分类及并联机器人冗余研究

脑部肿瘤检测与分类及并联机器人冗余研究

1. 脑部肿瘤检测与分类系统

1.1 系统概述

该系统以磁共振（MR）图像作为输入，运用自适应 K - 均值聚类算法对图像区域进行分割。通过调整图像强度来提升对比度，并填充图像中的孔洞。设定阈值去除肿瘤区域以外的多余像素，剩余区域即为肿瘤区域，最后将其映射到原始图像上。

1.2 肿瘤检测

肿瘤检测是识别肿瘤的第一步，分为两个步骤：使用聚类算法进行分割和在原始图像上绘制肿瘤位置。

1.2.1 肿瘤检测算法步骤

• 输入：脑部 MR 图像
• 输出：检测到肿瘤的图像
  1. 应用自适应 K - 均值聚类算法分割脑部图像。
  2. 使用 imadjust 函数调整图像强度。
  3. 对对比度调整后的图像应用 imfill 函数填充图像区域和孔洞。
  4. 设定阈值并去除图像中的多余像素。
  5. 使用 8 连通组件返回图像的标签矩阵，并将二值图像与标签矩阵进行比较。
  6. 比较后显示白色像素区域（即肿瘤区域）。
  7. 将该肿瘤区域映射到原始 MR 图像上。

1.2.2 基于聚类算法的肿瘤分割

图像分割有多种技术，如阈值分割、基于边缘的分割、基于聚类的分割、基于区域的分割、分水岭分割、偏微分方程（PDE）分割和人工神经网络（ANN）分割等。其中，阈值分割、基于边缘的分割和基于区域的分割是最常用的方法。
- 阈