基于MRI医学图像的脑肿瘤分级.pdfVIP

学而不知道，与不学同；知而不能行，与不知同。——黄睎

基于MRI医学图像的脑肿瘤分级

本文对近年来脑磁共振（MR）图像分割和肿瘤分级分类技术进行

概述。文章强调了早期发现脑肿瘤及其分级的必要性。在磁共振成像

（MRI）中，肿瘤可能看起来很清楚，但医生需要对肿瘤区域进行量

化，以便进一步治疗。数字图像处理方法和机器学习有助于医生进一

步诊断、治疗、手术前后的决策，从而发挥放射科医生和计算机数据

处理之间的协同作用。本文旨在回顾以胶质瘤（包括星形细胞瘤）为

靶点的肿瘤患者的脑部MR图像分割和分类的必威体育精装版进展。阐述了用于

肿瘤特征提取和分级的方法，这些方法可以整合到标准临床成像协议

中。最后，对该技术的现状、未来发展和趋势进行了评估。本文发表

在BiomedicalSignalProcessingandControl杂志。

目录1.引言2.图像处理和计算机视觉2.1预处理2.2分

割2.2.1手动分割2.2.2半自动分割2.2.3全自动分割2.3特征

提取2.4特征选择和降维2.5分类3.目前磁共振-计算机辅助诊断

（MRI-CAD）的发展趋势3.1全自动2D和3D用户交互方

法3.1.1模糊逻辑3.1.2自适应神经模糊推理系统3.1.3支持

向量机3.1.4人工神经网络3.1.5自组织映射网络3.1.6粒子

群优化3.1.7随机森林3.1.8其他方法3.2半自动2D和3D用

户交互方法3.2.1模糊C均值算法3.2.2支持向量机3.2.3人

工神经网络3.2.4其他方法4.讨论5.结论1引言在过去的几

十年里，随着生物医学的发展，人类对各种疾病的理解上取得了进步，

但肿瘤由于其不稳定的性质，仍然是人类的挑战。一名合格的临床医

生会结合多种类型的医学影像图像进行诊断，以进一步确定恶性肿瘤

的可能位置和体征。影像成像是肿瘤非侵入性的诊断方法。最初，为

了检测肿瘤，成像系统用于记录医学图像。捕获的图像通过各种基于

软件的算法进行后处理，以便鉴别影像中可疑的肿瘤区域与健康区域。

图像分割能够将病变区域与图像的其余部分区分开来。当精确的分割

方法能够确定肿瘤的大小和位置时，这对治疗计划是有帮助的。为此，

需要有资质的临床医生提供原始数据或提供用于分类的可训练数据。

学而不知道，与不学同；知而不能行，与不知同。——黄睎

各种各样的基于医学图像提取信息的研究已经开展用来检测多种类型

的肿瘤。目前世界卫生组织（WHO）关于脑肿瘤分类的指南基于严格

的组织病理学，这限制了临床应用。这一限制触发了医学影像成像在

诊断和治疗计划中的应用，包括更自动化的方法。越来越多的脑磁共

振图像数据为神经外科医生和医学科学家创造了新的机会，同时过度

精确的数据分析和诊断负担也随之而来。因此，计算机辅助诊断技术

应运而生，以增强医生的诊断能力，并减少准确诊断所需的时间。在

目前的临床研究和常规检查中，MR图像的评估要么依赖于基本的定量

测量，要么仅基于定性标准。因此，用可重复性强且精确的图像处理

方法和可自动检查脑肿瘤扫描的肿瘤亚结构诊断方法取代常规评估将

提高诊断和推进治疗计划的改进。目前大多数算法用于分析脑