关键词：mr图像 脑肿瘤分割 词袋模型 分类词典 滑动窗口 

摘要：提出了一种基于词袋模型配合滑动窗口提取像素点特征的脑肿瘤MR图像分割方法。通过预处理去除非脑组织并进行灰度值归一化，采集图像的图像块特征并聚类生成视觉词典；在生成视觉词典的过程中，通过分别生成病灶区域词典和背景区域词典进而组合得到最终的联合视觉词典；利用联合词典配合滑动窗口对像素点进行表达并将其作为像素点的特征，利用逻辑回归分类器进行训练和分类从而完成对脑肿瘤的分割。在160幅脑肿瘤MR图像组成的数据集上进行实验，实验结果表明分割准确率达到90．42％。

计算机工程与设计杂志要求:

{1}根据论文情况可自行决定是否列举阅读型参考文献；阅读型参考文献用文后尾注形式，以带方括号的阿拉伯数字（［1］［2］［3］……）顺序编号排列。阅读型参考文献可不标注具体页码。

{2}来稿要求来稿要有科学性、真实性、先进性。设计合理，结构严密，层次分明，文通句顺，统计学方法正确。

{3}来稿请注明作者单位、联系方式及确切通信地址。所有稿件，请作者自留底稿，无论采用与否，恕不退还。

{4}正文各级标题一律采用阿拉伯数字连续编号，同级题不同层次的数字之间用下圆点相隔，最末一位数后不加标点。

{5}来稿请写明详细通讯地址及联系电话，并附作者简介，内容如下：姓名、出生年、性别、民族（汉族可省略）、籍贯、学位、职称和最高学术职务及研究方向。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社