首页|MRI脑肿瘤图像分割的深度学习方法综述

MRI脑肿瘤图像分割的深度学习方法综述

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
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BraTS(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.
Review of deep learning methods for MRI brain tumor image segmentation

江宗康、吕晓钢、张建新、张强、魏小鹏

展开 >

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,大连116622

大连理工大学计算机科学与技术学院,大连116024

磁共振成像 脑肿瘤 人工神经网络 深度学习 分割

国家自然科学基金国家自然科学基金国家重点研发计划课题教育部长江学者与创新团队发展计划项目大连市高层次人才创新支持计划项目辽宁省“百千万人才工程”项目

61972062915461232018YFC0910500iRT_15R072016RQ078

2020

中国图象图形学报
中国科学院遥感应用研究所,中国图象图形学学会 ,北京应用物理与计算数学研究所

中国图象图形学报

CSTPCDCSCD北大核心
影响因子：1.111
ISSN：1006-8961
年,卷(期)：2020.25(2)
  • 37
  • 4