基于多个密集连接型2D-CNNs的脑胶质瘤MRI三维分割

• 作者: 张小兵 王志刚 田海龙 聂生东
• 来源期刊: 光学技术
• 学科: 工学
• 关键词: 脑胶质瘤 多模态磁共振图像 图像分割 密集连接型2D-CNNs
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 光学图像处理
• 页码范围: 603-612
• 页数: 10页
• 分类号: TP394.1|TH691.9
• 语种: 中文

摘要

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2DCNNs实现脑胶质瘤的三维分割.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	聂生东		113	754	15.0	22.0
2	王志刚		3	0	0.0	0.0
3	张小兵		3	0	0.0	0.0
4	田海龙		1	0	0.0	0.0