<span style="font-family:宋体;font-size:10.5pt;">进行肺部肿瘤计算机辅助诊断的关键问题是实现对病变组织的正确、快速分割,</span><span style="font-family:宋体;font-size:10.5pt;">为此,提出一种能够有效地</span><span style="font-family:宋体;color:black;font-size:10.5pt;">提高局部邻域像素自适应程度的快速模糊</span><span style="font-family:'Calibri','sans-serif';color:black;font-size:10.5pt;">C</span><span style="font-family:宋体;color:black;font-size:10.5pt;">均值聚类肺结节分割方法。首先构造</span><span style="font-family:宋体;font-size:10.5pt;">像素与邻域窗口空间关系的二维向量表示,获得不同向量值的统计分布规律;然后用</span><span style="font-family:宋体;color:black;font-size:10.5pt;">改进的</span><span style="font-family:宋体;font-size:10.5pt;">空间函数综合考虑中心像素与单个相邻像素间的灰度相似度、与邻域窗口的空间相似度对</span><span style="font-family:宋体;font-size:10.5pt;">模糊隶属度的贡献</span><span style="font-family:宋体;font-size:10.5pt;">,动态地调整邻域像素的隶属度对中心像素的影响</span><span style="font-family:宋体;font-size:10.5pt;">;最后分析说明该方法在迭代计算效率和局部自适应方面的改进。</span><span style="font-family:宋体;font-size:10.5pt;">实验结果表明,文中方法对血管粘连型、胸膜粘连型和毛玻璃肺结节的分割效果优于其他典型算法</span><span style="font-family:宋体;font-size:10.5pt;">。</span>