一种在MR图像中进行脑胶质瘤检测和病灶分割的方法

• 作者: 陈皓 李广 刘洋 强永乾
• 来源期刊: 电子与信息学报
• 关键词: 肿瘤检测 病灶边界分割 特征选择 集成学习
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 图像与智能信息处理|Image and Intelligent Imformation Processing
• 页码范围: 992-1002
• 页数: 11页
• 分类号: TN911.73|TP391.41
• 语种: 中文
• DOI: 10.11999/JEIT200033

摘要

针对磁共振图像(MRI)进行脑胶质瘤检测及病灶分割对临床治疗方案的选择和手术实施过程的引导都有着重要的价值.为了提高脑胶质瘤的检测效率和分割准确率,该文提出了一种两阶段计算方法.首先,设计了一个轻量级的卷积神经网络,并通过该网络完成MR图像中肿瘤的快速检测及大致定位;接着,通过集成学习过程对肿瘤周围水肿、肿瘤非增强区、肿瘤增强区和正常脑组织等4种不同区域进行分类与彼此边界的精细分割.为提高分割的准确率,在MR图像中提取了416维影像组学特征并与128维通过卷积神经网络提取的高阶特征进行组合和特征约简,将特征约简后产生的298维特征向量用于分类学习.为对算法的性能进行验证,在BraTS2017数据集上进行了实验,实验结果显示该文提出的方法能够快速检测并定位肿瘤,同时相比其它方法,整体分割精度也有明显提升.