Medical image segmentation is the challenging problem in real-time applications due to the occurrence of noise and uncertainties between different tissues in the magnetic resonance images (MRI). To overcome the issue, spatial rough intuitionistic fuzzy C-means method has been proposed. The segmentation of MR brain image has been implemented by updating the MRI based on global spatial information of pixel with intuitionistic fuzzy c-means algorithm for segmenting cerebro spinal fluid, white matter and gray matter tissues. Intuitionistic fuzzy sets and rough sets have been used to deal with uncertainty and vagueness in medical images. Intuitionistic fuzzy sets are used for image representations by using non-membership value, hesitation along with the membership value for the MR image. The membership value and non-membership value have been obtained using fuzzy hexagonal membership and fuzzy complement function respectively. Further, roughness measures are done to determine the initial cluster centroids by considering lower and upper approximation and the fuzzy c-means clustering algorithm has been updates by the euclidean distance between the pixels based on global spatial information for segmenting MR brain image. The proposed method have been implemented and analysed with quantitative and qualitatively for the synthetic and real MR images. Experimental results exhibit a higher degree of segmentation accuracy on both synthetic and real MR images compared to existing methods and achieves better performance.

Graphic abstract

中文翻译：

---

空间粗直觉模糊C-均值聚类用于MRI分割

由于在磁共振图像（MRI）中不同组织之间存在噪声和不确定性，医学图像分割是实时应用中的难题。为了克服这个问题，提出了空间粗糙直觉模糊C-均值方法。MR脑图像的分割是通过基于像素的全局空间信息的MRI更新，采用直觉模糊c均值算法对脑脊髓液，白质和灰质组织进行分割来实现的。直觉模糊集和粗糙集已用于处理医学图像中的不确定性和模糊性。通过使用非隶属值，犹豫以及MR图像的隶属值，将直觉模糊集用于图像表示。分别使用模糊六边形隶属度和模糊补函数获得隶属度值和非隶属度值。此外，通过考虑上下近似来进行粗糙度测量以确定初始聚类质心，并且基于用于分割MR脑图像的全局空间信息，通过像素之间的欧式距离更新了模糊c均值聚类算法。对于合成和真实的MR图像，已对所提出的方法进行了定量和定性的分析。与现有方法相比，实验结果在合成MR图像和真实MR图像上均显示出更高的分割精度，并获得了更好的性能。通过考虑上下近似来进行粗糙度测量以确定初始聚类质心，并且基于全局空间信息基于像素之间的欧式距离对模糊c-均值聚类算法进行了更新，以对MR脑图像进行分割。对于合成和真实的MR图像，已对所提出的方法进行了定量和定性的分析。与现有方法相比，实验结果在合成MR图像和真实MR图像上均显示出更高的分割精度，并获得了更好的性能。通过考虑上下近似来进行粗糙度测量以确定初始聚类质心，并且基于全局空间信息基于像素之间的欧式距离对模糊c-均值聚类算法进行了更新，以对MR脑图像进行分割。对于合成和真实的MR图像，已对所提出的方法进行了定量和定性的分析。与现有方法相比，实验结果在合成MR图像和真实MR图像上均显示出更高的分割精度，并获得了更好的性能。对于合成和真实的MR图像，已对所提出的方法进行了定量和定性的分析。与现有方法相比，实验结果在合成MR图像和真实MR图像上均显示出更高的分割精度，并获得了更好的性能。对于合成和真实的MR图像，已对所提出的方法进行了定量和定性的分析。与现有方法相比，实验结果在合成MR图像和真实MR图像上均显示出更高的分割精度，并获得了更好的性能。

图形摘要