基于MRI的腦腫瘤圖像分割研究.pdf

1、腦腫瘤分割在疾病的輔助診斷、治療方案規(guī)劃以及手術(shù)導(dǎo)航中扮演著重要的角色。部分患有惡性腦腫瘤的病人通常只有非常短的預(yù)期壽命，而制定合適的治療計(jì)劃是提高患者生活質(zhì)量的關(guān)鍵。由于磁共振成像具有高度的軟組織分辨率，因此在臨床上廣泛使用磁共振成像技術(shù)評(píng)估腫瘤。然而大量數(shù)據(jù)的出現(xiàn)，加上手動(dòng)分割的經(jīng)驗(yàn)誤差，因此越來(lái)越需要自動(dòng)和可靠的腦腫瘤分割方法。
　　本文首先系統(tǒng)的介紹了腦腫瘤MRI圖像分割技術(shù)的發(fā)展和當(dāng)前最新的研究現(xiàn)狀，以及腦腫瘤分割的難點(diǎn)

2、，然后詳細(xì)介紹并推導(dǎo)了實(shí)驗(yàn)采用的稀疏編碼與字典學(xué)習(xí)理論。
　　針對(duì)磁共振圖像特征間的非線性相關(guān)性，本文采用三維FLAIR模態(tài)的MRI數(shù)據(jù)，提出了基于灰度特征和核稀疏編碼的全自動(dòng)腦腫瘤分割方法。為了捕獲磁共振圖像中的非線性特征，采用核字典學(xué)習(xí)方法對(duì)腫瘤和非腫瘤區(qū)域分別建模學(xué)習(xí)出兩個(gè)字典，將最終結(jié)果分割為腫瘤區(qū)域和非腫瘤區(qū)域，并對(duì)分割結(jié)果進(jìn)行了分析和評(píng)估。
　　為了研究不同特征對(duì)基于核稀疏編碼與字典學(xué)習(xí)的分割方法的影響，本文提出

3、一種基于高階統(tǒng)計(jì)特征和核稀疏編碼的全自動(dòng)腦腫瘤分割方法。通過(guò)提取磁共振圖像目標(biāo)像素點(diǎn)及周邊區(qū)域計(jì)算出一階和二階統(tǒng)計(jì)特征代替前邊采用灰度特征作為特征向量。
　　最后，為了滿足比賽的要求并與排行榜的最新方法對(duì)比，本文提出了基于多模態(tài)的腦腫瘤分割方法。多模態(tài)腦腫瘤分割大賽(BRATS)提供了多個(gè)模態(tài)的數(shù)據(jù)，多模態(tài)數(shù)據(jù)已經(jīng)經(jīng)過(guò)線性對(duì)準(zhǔn)，空間分辨率為1mm。大賽所提供的標(biāo)簽將腫瘤區(qū)域劃分為了5個(gè)類別，并且提供了三種分割結(jié)果的評(píng)估，即完整腫瘤

4、區(qū)域、腫瘤核心區(qū)域和增強(qiáng)型腫瘤區(qū)域。由于不同類型的腫瘤在不同模態(tài)下會(huì)有不同的表現(xiàn)，因此首先對(duì)預(yù)處理之后的多個(gè)模態(tài)磁共振圖像進(jìn)行k均值聚類算法選擇出可能性的腫瘤區(qū)域，然后分別構(gòu)建五個(gè)字典。為了評(píng)估分割性能，分割結(jié)果上傳到大賽的在線評(píng)估系統(tǒng)，Dice Score，PPV,Sensitivity and Kappa四個(gè)指標(biāo)被用于評(píng)估分割結(jié)果。
　　MRI圖像中相鄰像素點(diǎn)及周邊區(qū)域存在著高度的相關(guān)性，利用局部圖像塊對(duì)腫瘤區(qū)域與非腫瘤區(qū)域進(jìn)