基于各向异性扩散与模糊阈值优化的脑肿瘤MRI精准分割技术对比研究

为解决脑肿瘤MRI图像噪声干扰和分割精度不足的问题，来自未知机构的研究人员开展了Perona-Malik与Weickert各向异性扩散去噪技术的对比研究，结合二元/模糊阈值分割，证实Weickert方法在结构保留和模糊阈值分割中表现更优，为脑肿瘤诊断模型优化提供新依据。

　　

随着脑肿瘤发病率逐年攀升（已发现超130种亚型），精准的磁共振成像(MRI)分割技术成为诊疗关键。本研究聚焦两种前沿去噪方法——Perona-Malik扩散(PM)与Weickert扩散，通过均值平方误差(MSE)和峰值信噪比(PSNR)评估去噪效果，并创新性地将三角隶属函数引入模糊阈值分割。结果显示：Weickert方法在保留图像纹理结构方面表现突出，而模糊阈值分割的戴斯相似系数(DSC)和杰卡德系数(JSC)显著优于传统二元阈值。这项研究不仅验证了各向异性扩散技术对MRI图像质量提升的普适性，更为临床脑肿瘤智能诊断系统的开发提供了重要的算法优化路径。