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; 田海龙; 王志刚; 聂生东^*

来源：光学技术, 2020, 46(05): 603-612.

DOI：10.13741/j.cnki.11-1879/o4.2020.05.017

• 脑胶质瘤
• 多模态磁共振图像
• 图像分割
• 密集连接型2D-CNNs

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2D-CNNs实现脑胶质瘤的三维分割。

• 单位
  山东大学齐鲁医院; 上海理工大学