面向多模态磁共振脑瘤图像的小样本分割方法

2021-04-20 14:07:00潘海为崔倩娜边晓菲王邦菊
计算机应用 2021年4期
关键词:模态模型

董 阳,潘海为*,崔倩娜,边晓菲,滕 腾,王邦菊

(1.哈尔滨工程大学计算机科学与技术学院,哈尔滨 150001;2.华中农业大学理学院,武汉 430000)

0 引言

脑肿瘤是最常见的肿瘤之一,其年发生率占全身肿瘤的1%~3%,多发病于青中年群体,治疗致残率、致死率以及术后复发率高,对人类健康存在重大威胁。神经胶质瘤是一种最常见的原发性脑恶性肿瘤,具有不同的侵袭性,其中:高级胶质瘤是低分化胶质瘤,属于恶性肿瘤,患者预后较差;而低级胶质瘤的分化良好,虽不属于良性肿瘤,但预后较好[1]。

医学图像分割在研究和临床实践中起着重要作用,并且对于诸如疾病诊断、治疗计划、指导和手术等任务是必需的。研究人员已经为医学图像分割开发了各种自动化和半自动化方法[2]。脑肿瘤分割是医学图像分割任务中的一大难点。胶质瘤有着预后不同和组织学不同的子区域,包括整体肿瘤(Whole Tumor,WT)、肿瘤核心(Tumor Core,TC)和增强瘤(Enhancing Tumor,ET)。WT描述了病灶整体范围,包括肿瘤核心区域和肿瘤周围水肿区域;TC 描述需要切除的大部分瘤体,它包括坏疽区域、增强肿瘤核心和非增强肿瘤核心。这些子区域根据多模态磁共振(Magnetic Resonance,MR)扫描散布的不同强度分布所描述,例如WT 通过Flair 模态的高强度信号描述,TC 在T1ce 模态中,坏疽和非增强瘤区域较T1模态强度低,ET 区域则较T1 模态强度高。这反映了不同的肿瘤生物学特性。脑肿瘤不同子区域的标注如图1 所示。由于胶质瘤磁共振成像(MR Imaging,MRI)表型高度异质,其分割具有很大的挑战性[3]。

图1 神经胶质瘤的各个子区域Fig.1 Sub-regions of glioma

登录APP查看全文

猜你喜欢
模态模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
车辆CAE分析中自由模态和约束模态的应用与对比
FLUKA几何模型到CAD几何模型转换方法初步研究
高速颤振模型设计中颤振主要模态的判断
航空学报(2015年4期)2015-05-07 06:43:35
基于HHT和Prony算法的电力系统低频振荡模态识别
由单个模态构造对称简支梁的抗弯刚度
计算物理(2014年2期)2014-03-11 17:01:39
多模态话语模态的协同及在外语教学中的体现
外语学刊(2010年2期)2010-01-22 03:31:03
一个相似模型的应用