The early diagnosis of Parkinson’s disease (PD) is important to reduce deaths due to this disease. Images of patients with PD obtained through magnetic resonance imaging (MRI) show gray matter, white matter, and cerebrospinal fluids; images of these components provide physicians with important information to determine the severity of the disease. Therefore, methods for segmenting these regions in images have been employed. However, difficulties have been encountered in the segmentation of the PD MRI images owing to the unclear boundaries between the gray matter and white matter and the regions being contained in homogeneous and unclear structures. Therefore, we propose a hybrid wavelet k-means clustering (KMC) and fuzzy median filter (FMF) method. First, detailed information from the MRI images was extracted using discrete wavelet transform; these images were enhanced by increasing the pixel values. The enhanced images were then fed into the KMC model for segmentation. Finally, the segmented images were input into the FMF for removing uncertainty and noise. This method can also be used for segmenting the MRI images of other diseases such as tuberous sclerosis (TBS) and atrial fibrillation (AF). The results of a qualitative and quantitative evaluation conducted using an open-source benchmark dataset and a clinical dataset were presented. The peak signal-to-noise ratio, structural similarity, and mean-squared error were used to compare the efficiency of the proposed method with that of other segmentation methods. The results proved that the proposed method can assist in the early detection of PD, TBS, and AF from MRI.

帕金森氏病（PD）的早期诊断对于减少由于该病引起的死亡非常重要。通过磁共振成像（MRI）获得的PD患者的图像显示出灰质，白质和脑脊液。这些成分的图像为医师提供了确定疾病严重程度的重要信息。因此，已经采用了在图像中分割这些区域的方法。但是，由于灰质和白质之间的边界不清楚，并且区域包含在均匀且不清楚的结构中，因此在PD MRI图像的分割中遇到了困难。因此，我们提出了一种混合小波k均值聚类（KMC）和模糊中值滤波（FMF）的方法。首先，使用离散小波变换从MRI图像中提取详细信息；这些图像通过增加像素值得到增强。然后将增强的图像输入到KMC模型中进行分割。最后，将分割后的图像输入到FMF中以消除不确定性和噪声。该方法也可用于分割其他疾病（例如结节性硬化症（TBS）和房颤（AF））的MRI图像。介绍了使用开源基准数据集和临床数据集进行的定性和定量评估的结果。使用峰信噪比，结构相似性和均方误差将本方法与其他分割方法的效率进行比较。结果证明，该方法可帮助早期检测MRI中的PD，TBS和AF。然后将增强的图像输入到KMC模型中进行分割。最后，将分割后的图像输入到FMF中以消除不确定性和噪声。该方法也可用于分割其他疾病（例如结节性硬化症（TBS）和房颤（AF））的MRI图像。介绍了使用开源基准数据集和临床数据集进行的定性和定量评估的结果。使用峰信噪比，结构相似性和均方误差将本方法与其他分割方法的效率进行比较。结果证明，该方法可帮助早期检测MRI中的PD，TBS和AF。然后将增强的图像输入到KMC模型中进行分割。最后，将分割后的图像输入到FMF中以消除不确定性和噪声。该方法还可用于分割其他疾病的MRI图像，例如结节性硬化症（TBS）和心房颤动（AF）。介绍了使用开源基准数据集和临床数据集进行的定性和定量评估的结果。使用峰信噪比，结构相似性和均方误差将本方法与其他分割方法的效率进行比较。结果证明，该方法可帮助早期检测MRI中的PD，TBS和AF。分割后的图像被输入到FMF中，以消除不确定性和噪声。该方法也可用于分割其他疾病（例如结节性硬化症（TBS）和房颤（AF））的MRI图像。介绍了使用开源基准数据集和临床数据集进行的定性和定量评估的结果。使用峰信噪比，结构相似性和均方误差将本方法与其他分割方法的效率进行比较。结果证明，该方法可帮助早期检测MRI中的PD，TBS和AF。分割后的图像被输入到FMF中，以消除不确定性和噪声。该方法也可用于分割其他疾病（例如结节性硬化症（TBS）和房颤（AF））的MRI图像。介绍了使用开源基准数据集和临床数据集进行的定性和定量评估的结果。使用峰信噪比，结构相似性和均方误差将本方法与其他分割方法的效率进行比较。结果证明，该方法可帮助早期检测MRI中的PD，TBS和AF。介绍了使用开源基准数据集和临床数据集进行的定性和定量评估的结果。使用峰信噪比，结构相似性和均方误差将本方法与其他分割方法的效率进行比较。结果证明，该方法可帮助早期检测MRI中的PD，TBS和AF。介绍了使用开源基准数据集和临床数据集进行的定性和定量评估的结果。使用峰信噪比，结构相似性和均方误差将本方法与其他分割方法的效率进行比较。结果证明，该方法可帮助早期检测MRI中的PD，TBS和AF。