MRI脑肿瘤图像分割的深度学习方法综述

• 全文链接
• 请求原文

作   者：

江宗康;  吕晓钢;  张建新;  张强;  魏小鹏; 

作者机构：

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; 

关键词：

脑肿瘤;  磁共振成像;  人工神经网络;  分割;  深度学习; 

期刊名称：

中国图象图形学报

基金项目：

面向MRI脑肿瘤分割的深度神经网络模型与方法研究
健康服务管理与决策大数据融合方法与实时分析研究

i s s n：

1006-8961

年卷期：

2020 年 02 期

页   码：

215-228

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Bra TS(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。