全文总字数：2476字

1. 研究目的与意义及国内外研究现状

医学图像分割技术是医学图像处理和分析的关键技术，也是一个经典的难题。医学图像分割技术在医学上的应用范围很广，例如医学研究、临床诊断、病理分析、手术计划、治疗方案、疗效评估、影像处理、计算机辅助手术等方面。因此，分割结果的精确度至关重要，它影响到后续的处理，对图像分割方法的研究具有十分重要的意义。随着图形、图像技术的发展，医学图像的质量和显示方法得到了极大的改善，从而借助于数字图像处理与分析手段使得诊疗水平大大提高。在过去的几十年间，医学图像分割技术已经发挥着日益重要的作用，因此医学图像分割技术的研究也成为了一门热门的学科。

医学临床和手术环境中许多应用均需要医学图像分割技术的支持，同时医学图像是医学图像进行对象提取、定量分析、3d重建、体积显示、配准等处理的一个必不可少的步骤。近年来，医学成像技术的快速发展使人们能够获得大量高分辨率的医学图像数据影像。各种医学成像模式，如：x光（x光照相术）、ct（x线计算断层扫描）、mri（核磁共振）、dsa（数字减影血管造影）、pet（正电子发射断层扫描）、spet（单光子发射断层扫描）、ultrasound imaging（超声成像）、endoscope（内窥镜）、dihs（组织切片的数字照相）、thermal imaging（热成像）、micro graph（显微镜）等提供了丰富的人体 2d/3d/4d医学图像，这使得临床医生对人体内部病变部位的观察更直接、更清晰，确诊率也更高。医学临床实践和研究经常需要对人体某种组织和器官的形状、边界、截面面积以及体积进行测量，从而得出该组织病理、或功能方面的重要信息。精确的测量和有效的医学图像分割能够辅助医生诊断，有效减少误诊率和漏诊率对疾病的诊断和治疗有重要的临床意义。

国内外研究现状

随着计算机硬件以及软件的发展，医学图像的分割研究对于临床医学上的计算机辅助诊断来说是一个重要的前提。医学影象中各个组织的特征表现欲疾病表现之间的一致性研究也依赖于医学图像分割算法的研究。现阶段医学图像的分割主要用于人体各种组织间的分割、肿瘤的提取、特定组织测量以及实现三维重建。图像分割已经得到了科研人员广泛的重视和研究，数以千计的方法应用于医学图像分割领域，包括基于阈值法、区域增长法、以及聚类算法等，对临床医学有着十分重要的意义。

2. 研究的基本内容

　本文是基于分层fcm模型脑mr图像分割方法研究，主要是（１）通过阅读大量的国内外相关领域的文献，掌握了医学图像分割技术的发展趋势以及医学图像处理中所面临的问题。

（２）详细介绍fcm模型和分层fcm模型。

（３）编写分层fcm模型程序。

3. 实施方案、进度安排及预期效果

进度安排：2017-3-01~2017-3-19：确定论文方向，写出开题报告2017-3-22~2017-3-26：实习准备工作，搜集相关资料2017-3-29~2017-4-04：完成对FCM模型和分层FCM模型的学习2017-4-05~2017-4-18：完成分层FCM模型程序的编写2010-4-19~2010-5-02：将分层FCM模型应用到脑MR图像分割中2010-5-02~2010-5-09：根据实际情况提出不足及改进建议；结合以上内容做出总结预期效果：模糊C均值是一种经典的模糊聚类分析方法，收敛结果容易陷入局部最小值，而且也没有考虑图像的空间信息，对噪声十分敏感。改进算法将分层聚类和FCM聚类算法的优点相结合， 首先采用分层聚类， 得到一初始聚类结果， 然后应用FCM聚类算法重聚类。改进算法较原传统的聚类算法， 不但算法执行速度较快、效率较高， 而且聚类效果也较好。

4. 参考文献

[1]薛耿剑.人体脑图像分割技术研究[d]. 西北工业大学 2006

[2]焦蓬蓬.医学图像中典型分割算法的比较分析[j]. 信息技术. 2015(02)

82-88