基于多个密集连接型2D-CNNs的脑胶质瘤MRI三维分割

发布时间：2022-12-05 03:31

　　准确可靠的脑胶质瘤分割是脑胶质瘤诊断、治疗方案制定和治疗效果评价的重要前提。为了有效针对脑胶质瘤MRI的特性和基于CNNs的脑胶质瘤分割方法的不足,提出了一种融合三个密集连接型2D-CNNs分割结果的方法。将三维多模态MRI数据沿轴状面、冠状面和矢状面切片化,并在预处理后的切片上按比例截取33×33大小的图像块,得到三个视图的训练集;将三个训练集分别送入到密集连接型2D-CNNs模型中进行训练,得到三个分割模型;然后,将测试病人的各视图图像块依次输入到训练好的分割模型,得到脑胶质瘤三个视图的粗分割结果;将三个视图的粗分割结果进行融合处理和后处理,得到脑胶质瘤的最终分割结果,并具体划分为水肿、增强和坏死/非增强三种区域。本研究包含了BraTS2018和BraTS2013的数据集并利用Dice系数、阳性预测值、灵敏度三个指标对分割结果进行评价。实验结果表明,所提出的分割方法不仅能够精确的分割脑胶质瘤,而且可以利用多个2D-CNNs实现脑胶质瘤的三维分割。 

【文章页数】：10 页

【文章目录】：
0 引 言
1 研究方法
    1.1 实验数据
    1.2 数据预处理
    1.3 密集连接型2D-CNNs
    1.4 融合轴状面、冠状面和矢状面分割结果
    1.5 分割结果后处理
2 实验结果和分析
    2.1 实验过程
    2.2 实验结果
3 结 论


【参考文献】：
期刊论文
[1]结合灰度直方图和细胞自动机的多模态MRI脑胶质瘤分割[J]. 衣斐,龚敬,段辉宏,苏冠群,田海龙,聂生东.  计算机应用研究. 2019(09)
[2]A Survey of MRI-Based Brain Tumor Segmentation Methods[J]. Jin Liu,Min Li,Jianxin Wang,Fangxiang Wu,Tianming Liu,Yi Pan.  Tsinghua Science and Technology. 2014(06)

硕士论文
[1]基于堆叠自动编码器的多模态脑肿瘤图像分割方法研究[D]. 董荣凤.电子科技大学 2018
[2]结合MRI多模态信息与SVM参数优化的脑肿瘤分割研究[D]. 王晓春.南方医科大学 2014



本文编号：3709586