基于机器学习的胶质母细胞瘤多模态磁共振图像分割方法研究

发布时间：2023-08-26 04:53

　　目的胶质母细胞瘤(glioblastoma multiforme,GBM)是由星形胶质细胞分化形成的颅内原发恶性肿瘤,具有生存率低、致残率高、病死率高等特点,对患者伤害巨大,无论是疾病的诊断、治疗方案的提出还是预后观察,均需对GMB进行定位和诊断。多模态MR图像含有丰富的组织结构信息,被广泛地应用于GBM的诊疗。目前临床上主要依赖放射科医生利用MR图像手动分割GBM,但其组织在MR图像中存在灰度差异不明显、周围常有水肿、边界不清等问题,且专家手动分割复杂繁琐、可重复性差。因此,精确手动分割GBM存在极大挑战。自动方法可以避免因人为因素造成的误分割,结果相对客观,能极大程度地减轻医生工作强度。因此,自动分割GBM多模态MR图像具有极其重要的临床意义。方法针对现有大多数GBM多模态MR图像分割算法未实现细分割肿瘤区域的问题,本文提出了一种基于随机森林的GBM多模态MR图像分割方法。首先,配准GBM 3个模态MR图像后使用N4ITK方法进行偏置场校正;其次,提取MR图像的位置特征、强度特征、纹理特征、上下文特征和对称特征后,应用随机森林分类器获得初步分割结果;最后,移除小于200像素的区域后...

【文章页数】：66 页

【学位级别】：硕士

【文章目录】：
中文摘要
ABSTRACT
前言
第一部分 基于随机森林的GBM多模态MR图像分割
    一、随机森林概述
        （一）决策树的基本原理
            1. 决策树的划分与选择
            2. 决策树的剪枝处理
        （二）Bagging集成理论
        （三）随机森林模型
    二、图像预处理
    三、底层特征提取
        （一）位置特征
        （二）强度特征
        （三）纹理特征
        （四）上下文特征
        （五）对称特征
    四、初步分割
    五、后处理
    六、材料与设备
        （一）实验材料
        （二）实验设备
    七、实验方法
    八、实验结果
    九、小结
第二部分 基于三维区域生长的GBM多模态MR图像分割
    一、区域生长法概述
        （一）区域生长法的基本原理
            1. 像素种子点的选取
            2. 区域生长停止条件
            3. 区域生长法的优点
    二、基于三维区域生长的GBM多模态MR图像分割
        （一）分析肿瘤区域分数置信度和精度的关系
        （二）多种子点三维区域生长分割
        （三）精确分割
        （四）后处理
    三、实验方法
    四、实验结果
    五、小结
第三部分 结论与展望
    一、结论
    二、展望
参考文献
致谢
文献综述
    参考文献



本文编号：3843995