MRI脑肿瘤图像分割的深度学习方法综述

• 作者: 吕晓钢 张建新 张强 江宗康 魏小鹏
• 来源期刊: 中国图象图形学报
• 学科: 工学
• 关键词: 磁共振成像 脑肿瘤 人工神经网络 深度学习 分割
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 综述
• 页码范围: 215-228
• 页数: 14页
• 分类号: TP391.7
• 字数: 10818字
• 语种: 中文

摘要

磁共振成像(MRI)作为一种典型的非侵入式成像技术,可产生高质量的无损伤和无颅骨伪影的脑影像,为脑肿瘤的诊断和治疗提供更为全面的信息,是脑肿瘤诊疗的主要技术手段.MRI脑肿瘤自动分割利用计算机技术从多模态脑影像中自动将肿瘤区(坏死区、水肿区、非增强肿瘤区和增强肿瘤区)和正常组织区进行分割和标注,对于辅助脑肿瘤的诊疗具有重要作用.本文对MRI脑肿瘤图像分割的深度学习方法进行了总结与分析,给出了各类方法的基本思想、网络架构形式、代表性改进方案以及优缺点总结等,并给出了部分典型方法在BraTS(multimodal brain tumor segmentation)数据集上的性能表现与分析结果.通过对该领域研究方法进行综述,对现有基于深度学习的MRI脑肿瘤分割研究方法进行了梳理,作为新的发展方向,MRI脑肿瘤图像分割的深度学习方法较传统方法已取得明显的性能提升,已成为领域主流方法并持续展现出良好的发展前景,有助于进一步推动MRI脑肿瘤分割在临床诊疗上的应用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏小鹏	大连大学先进设计与智能计算省部共建教育部重点实验室	103	1445	18.0	34.0
3	张强	大连大学先进设计与智能计算省部共建教育部重点实验室	76	619	14.0	20.0
9	江宗康	大连大学先进设计与智能计算省部共建教育部重点实验室	1	0	0.0	0.0
10	吕晓钢	大连大学先进设计与智能计算省部共建教育部重点实验室	1	0	0.0	0.0
11	张建新	大连大学先进设计与智能计算省部共建教育部重点实验室	2	0	0.0	0.0