準(zhǔn)確可靠的腦膠質(zhì)瘤分割是腦膠質(zhì)瘤診斷、治療方案制定和治療效果評(píng)價(jià)的重要前提。為了有效針對(duì)腦膠質(zhì)瘤MRI的特性和基于CNNs的腦膠質(zhì)瘤分割方法的不足,提出了一種融合三個(gè)密集連接型2D-CNNs分割結(jié)果的方法。將三維多模態(tài)MRI數(shù)據(jù)沿軸狀面、冠狀面和矢狀面切片化,并在預(yù)處理后的切片上按比例截取33×33大小的圖像塊,得到三個(gè)視圖的訓(xùn)練集;將三個(gè)訓(xùn)練集分別送入到密集連接型2D-CNNs模型中進(jìn)行訓(xùn)練,得到三個(gè)分割模型;然后,將測(cè)試病人的各視圖圖像塊依次輸入到訓(xùn)練好的分割模型,得到腦膠質(zhì)瘤三個(gè)視圖的粗分割結(jié)果;將三個(gè)視圖的粗分割結(jié)果進(jìn)行融合處理和后處理,得到腦膠質(zhì)瘤的最終分割結(jié)果,并具體劃分為水腫、增強(qiáng)和壞死/非增強(qiáng)三種區(qū)域。本研究包含了BraTS2018和BraTS2013的數(shù)據(jù)集并利用Dice系數(shù)、陽(yáng)性預(yù)測(cè)值、靈敏度三個(gè)指標(biāo)對(duì)分割結(jié)果進(jìn)行評(píng)價(jià)。實(shí)驗(yàn)結(jié)果表明,所提出的分割方法不僅能夠精確的分割腦膠質(zhì)瘤,而且可以利用多個(gè)2D-CNNs實(shí)現(xiàn)腦膠質(zhì)瘤的三維分割。 

【文章頁(yè)數(shù)】：10 頁(yè)

【文章目錄】：
0 引 言
1 研究方法
    1.1 實(shí)驗(yàn)數(shù)據(jù)
    1.2 數(shù)據(jù)預(yù)處理
    1.3 密集連接型2D-CNNs
    1.4 融合軸狀面、冠狀面和矢狀面分割結(jié)果
    1.5 分割結(jié)果后處理
2 實(shí)驗(yàn)結(jié)果和分析
    2.1 實(shí)驗(yàn)過(guò)程
    2.2 實(shí)驗(yàn)結(jié)果
3 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合灰度直方圖和細(xì)胞自動(dòng)機(jī)的多模態(tài)MRI腦膠質(zhì)瘤分割[J]. 衣斐,龔敬,段輝宏,蘇冠群,田海龍,聶生東.  計(jì)算機(jī)應(yīng)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)

碩士論文
[1]基于堆疊自動(dòng)編碼器的多模態(tài)腦腫瘤圖像分割方法研究[D]. 董榮鳳.電子科技大學(xué) 2018
[2]結(jié)合MRI多模態(tài)信息與SVM參數(shù)優(yōu)化的腦腫瘤分割研究[D]. 王曉春.南方醫(yī)科大學(xué) 2014



本文編號(hào)：3709586