基于多模態(tài)MRI圖像的腦腫瘤分割方法.pdf

1、腦腫瘤分割是一種從灰質(zhì)、白質(zhì)和腦脊液等正常的腦組織中，分離水腫、活躍和腫瘤壞死組織等不同的腦腫瘤結(jié)構(gòu)的一種腦腫瘤輔助診斷技術(shù)。由于腫瘤在顱內(nèi)產(chǎn)生，只能通過(guò)非侵入式顯影方式（如：CT和MRI等）觀察腫瘤的情況。在這些影像中腫瘤結(jié)構(gòu)僅以灰度變化表征，不同設(shè)備不同條件獲得的顯影圖像也可能有所差別，使得傳統(tǒng)的圖像分割方法很難較好地處理腦腫瘤圖像的分割問(wèn)題。隨著MRI成像技術(shù)的不斷成熟、多模態(tài)MRI圖像的逐漸普及以及機(jī)器學(xué)習(xí)技術(shù)的飛速發(fā)展，腦腫瘤

2、分割問(wèn)題開(kāi)始煥發(fā)新的活力。本文在這樣的背景下，以腦腫瘤分割為立足點(diǎn)，以多模態(tài)MRI圖像為基礎(chǔ)，以機(jī)器學(xué)習(xí)方法為工具，針對(duì)腦腫瘤分割問(wèn)題展開(kāi)了如下研究：
　　1、從腦腫瘤分割技術(shù)的發(fā)展脈絡(luò)出發(fā)，在回顧經(jīng)典方法的基礎(chǔ)上，針對(duì)MRI圖像本身的灰度不均勻的問(wèn)題，利用多模態(tài)MRI圖像數(shù)據(jù)本身的顯影特異性，提出了一種針對(duì)多模態(tài)腦腫瘤分割的差分操作運(yùn)算。同時(shí)，在多模態(tài)圖像差分信息的輔助下，實(shí)現(xiàn)了利用多模態(tài)信息定位腫瘤區(qū)域的方法，為獲得腦腫瘤的準(zhǔn)

3、確分割提供了一定的保障。從而也為充分的利用多模態(tài)MRI圖像數(shù)據(jù)提供了一種可能的參考。在此基礎(chǔ)上，將基于自組織神經(jīng)網(wǎng)絡(luò)（SOM）和主動(dòng)輪廓模型（ACM）方法的自組織映射主動(dòng)輪廓模型（SOAC）引入到腦腫瘤分割問(wèn)題中，構(gòu)造了基于多模態(tài) MRI圖像的混合自組織主動(dòng)輪廓模型（MSOAC）的腦腫瘤分割方法。以 MRI數(shù)據(jù)預(yù)處理技術(shù)為先導(dǎo)，結(jié)合多模態(tài)差分定位腫瘤區(qū)域，通過(guò)MRI的slices數(shù)據(jù)為基礎(chǔ)構(gòu)建了一種基于多模態(tài)MRI圖像的全自動(dòng)的腦腫瘤分

4、割方法。
　　2、結(jié)合卷積神經(jīng)網(wǎng)絡(luò)和反卷積神經(jīng)網(wǎng)絡(luò)技術(shù)，以多模態(tài)MRI圖像為依托，利用BRATS2015 training中3D MRI的slices數(shù)據(jù)，通過(guò)對(duì)要描述的腫瘤區(qū)域、腫瘤的活躍區(qū)域和腫瘤核區(qū)域分別構(gòu)建反卷積子網(wǎng)絡(luò)的方法，進(jìn)行end-to-end的訓(xùn)練和參數(shù)調(diào)優(yōu)，從而構(gòu)建起多路深度反卷積網(wǎng)絡(luò)模型。不同于以往在腦腫瘤分割中CNN采用的圖像塊訓(xùn)練的方法，這里直接利用slices訓(xùn)練，最后通過(guò)softmax預(yù)測(cè)每個(gè)像素的類別