【图像分割】基于Kmean聚类实现乳腺肿瘤分割附matlab代码

1 简介
【【图像分割】基于Kmean聚类实现乳腺肿瘤分割附matlab代码】乳腺癌作为当今女性最普遍的癌症之一,已经成为严重危害女性健康的罪魁祸首.如何有效地提高乳腺癌的诊断,治疗,进而最大可能地减少损害,已经成为当今女性健康所面临的一个急需解决的问题.为此,乳腺肿瘤分割的准确与否,不仅为临床诊断及放射治疗方式的选择提供重要依据,而且直接关系到患者的治疗效果.故如何提高乳腺CT图像肿瘤的分割准确率一直是相关人员研究的重点.?
2 部分代码

文章插图
clcclearclose all%% dataset:for image=1:33imageIref=dicomread(['RIDER dataset/ref/1 (',num2str(image),').dcm']);Igt=dicomread(['RIDER dataset/GT/1 (',num2str(image),').dcm']);fim=(double(Iref)/(max(max(double(Iref)))));GT=logical(Igt);maxwin=0;for i=30:5:size(GT,1)-100for j=30:5:size(GT,2)-100window=GT(i:i+90,j:j+90);if sum(sum(window))>maxwinmaxwin=sum(sum(window));bestwin=window;besti=i;bestj=j;endendendGT=bestwin;fim=fim(besti:besti+90,bestj:bestj+90);subplot(1,4,1)imshow(GT);title('Ground Truth');%% fcm[bwfim,level]=threshold1(fim);%% kmeans [bwfim2,level2]=threshold2(fim);%% Cuckoo + Kmeans[bwfim3,level3]=threshold3(fim);%%result=(bwfim);nResult=sum(sum(result==1));nGT=sum(sum(GT==1));nUNI=0;for i=1:numel(GT)if result(i)==1 && GT(i)==1nUNI=nUNI+1;endendQ_fcm= nUNI/nGT * nUNI/nResult;subplot(1,4,2)imshow(bwfim);title(['FCM/ Q=',num2str(Q_fcm)]);%%result=(bwfim2);nResult=sum(sum(result==1));nGT=sum(sum(GT==1));nUNI=0;for i=1:numel(GT)if result(i)==1 && GT(i)==1nUNI=nUNI+1;endendQ_km= nUNI/nGT * nUNI/nResult;subplot(1,4,3)imshow(bwfim2);title(['Kmeans/ Q=',num2str(Q_km)]);%%result=bwfim3;nResult=sum(sum(result==1));nGT=sum(sum(GT==1));nUNI=0;for i=1:numel(GT)if result(i)==1 && GT(i)==1nUNI=nUNI+1;endendQc= nUNI/nGT * nUNI/nResult;subplot(1,4,4)imshow(bwfim3);title(['Cuckoo/ Q=',num2str(Qc)]);pause(0.1)QQ=[Q_fcm,Q_km,Qc];xlswrite('xl.xlsx',QQ,1,['A',num2str(image)])end
3 仿真结果

文章插图
4 参考文献
[1]范怀玉, 马军山. 基于的超声乳腺肿瘤图像分割平台设计[J]. 软件, 2019, 40(6):4.
博主简介：擅长智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的仿真，相关代码问题可私信交流。