计算机与现代化JISUANJIYUXIANDAIHUA2023年第3期总第331期文章编号：1006-2475（2023）03-0001-05收稿日期：2022-06-22；修回日期：2022-08-24基金项目：国家自然科学基金面上项目（61671414)；山西省基础研究计划项目（202102021224201)作者简介：马瑜涓（1998—），女，山西忻州人，硕士研究生，研究方向：医学图像处理，信息与信号处理，E-mail：mayu⁃juan710@163.com；韩建宁（1980—），男，山西太原人，教授，博士，研究方向：医学图像处理，信号处理技术，声学超材料，E-mail：hanjn46@nuc.edu.cn；史韶杰（1997—），男，河北张家口人，硕士研究生，研究方向：医学图像处理，计算机视觉与图像处理，E-mail：ssjhustler@163.com；曹尚斌（1998—），男，河北石家庄人，硕士研究生，研究方向：图像处理，硬件电路设计，E-mail：manbaout1@163.com；杨志秀（1997—），女，山西朔州人，硕士研究生，研究方向：医学图像处理，信息与信号处理，E-mail：yangzx101@163.com。0引言近年来，脑部肿瘤的发病率逐年增加。脑部肿瘤在达到一定大小时，无论是良性肿瘤还是恶性肿瘤，都将会使脑部内压升高，肿瘤对脑组织进行压迫，造成中枢神经损伤，从而对患者产生不可逆的影响［1-2］。磁共振成像（MagneticResonanceImaging，MRI）是对人体组织成像的工具［3］，经常用于脑部疾病的诊断和治疗，可以对颅内进行成像，从脑部MRI图像中准确分割出脑肿瘤，在医生对患者的病情分析时提供帮助，对脑部疾病的诊断具有重要意义。Kmeans算法常用于图像分割，因其实现较为简单。王丰斌［4］通过结合K均值聚类算法和自适应人类优化算法，改进了聚类图像分割算法，用自适应人类学习算法改善了传统算法分初始化聚类中心选取的随机性，有效提高了K均值算法的稳定性。刘智杭等人［5］通过将局部异常因子和K均值算法结合，提出了一种改进的聚类图像分割算法，通过计算数据集合中像素点的局部偏离因子值，重新对数据集合进行排序，淘汰局部偏离因子最大值的前n个对象后再进行K均值聚类，实验结果表明可以更准确地从内容丰富的背景中分割出葡萄果穗。Debelee等人［6］提出了一种基于卷积和改进的自适应K均值（MAKM）的图像分割方法，使用从多种不同来源（包括伯克利图像数据库、VOC2012、BGH、MIAS和MRI等）收集到的图像进行分割，该算法在计算成本和图像的分割质量方基于HMRF的改进Kmeans脑肿瘤分割算法马瑜涓，韩建宁，史韶杰，曹尚斌，杨志秀（中北大学信息与通信工程...
