在临床诊断中,动态增强核磁共振成像(DCE-MRI)能够提供病灶区域的血流供给情况以及注入示踪剂之后不同病灶部分的不同强化方式,因此动态增强核磁共振成像已成为医院磁共振常规检查的一部分。如果能够把DCE-MRI数据中时间信号强度曲线(TIC)所体现的血流动力学性质作为特征,通过聚类等方式对病灶感兴趣区域(ROI)加以区分,有可能实现对肿瘤区域的良恶性鉴别为医生提供辅助诊断。本文首先从精确分割病灶感兴趣区域入手,采用针对医学图像灰度不均匀而改进的基于变分模型的水平集方法,同时添加尺度停止函数,加快演化曲线的演化速度并有效避免边界泄漏现象。实验证实本方法在分割精度、迭代次数和运算时间等方面均有不同程度的提升。为了优化水平集分割结果,采用以早期增强率和初始信号强度为相似性度量的种子区域生长方法来作为分割的后处理,得到较好效果。在得到病灶感兴趣区域后,采用聚类方法和凸分析进行良恶性鉴别,主要包括基于K-means聚类、基于Fuzzy C-means聚类和基于混合物凸分析(CAM)的鉴别方法,利用三种方法对多组乳腺和前列腺病例进行实验,得到在两类和三类聚类中心假设下的聚类中心结果图和空间分布伪彩图,并针对聚类中心结果的分散度以及伪彩图所提供的空间分布信息进行分析,发现CAM方法得到的聚类中心分散度更大,更能体现肿瘤不同组分之间的区别,且Fuzzy C-means方法和CAM方法伪彩图包含的分布信息更丰富,更能体现肿瘤不同组分在空间里的分布,结果经放射科医生证实,在临床中具有辅助诊断价值。