期刊首页 优先出版 当期阅读 过刊浏览 作者中心 关于期刊 English

2018年 第19卷 第4期

摘要

关键词

相关研究

回顶部

《信息与电子工程前沿（英文）》 >> 2018年 第19卷 第4期 doi: 10.1631/FITEE.1620342

基于核稀疏表示的磁共振图像分析及其在脑肿瘤自动分割中的应用

. School of Information Science and Technology, Zhejiang Sci-Tech University, Hangzhou 310018, China.. Department of Neurosurgery, The First Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou 310003, China.. State Key Laboratory for Diagnosis and Treatment of Infectious Diseases, Collaborative Innovation Center for Diagnosis and Treatment of Infectious Diseases, The First Affiliated Hospital, School of Medicine, Zhejiang University, Hangzhou 310003, China.

发布日期： 2018-06-28
HTML21 PDF 9 收藏 0

下一篇 上一篇

摘要

脑肿瘤分割在疾病辅助诊断、治疗方案规划以及手术导航中扮演重要角色。对脑肿瘤精确分割可以帮助临床医生获取肿瘤位置、尺寸和形状信息。提出一种基于核稀疏编码的全自动脑肿瘤分割方法，并在3D多模态磁共振成像图（magnetic resonance imaging, MRI）上验证。首先对MRI图像进行预处理以减少噪声，然后通过核字典学习提取非线性特征，用来构建坏死组织、水肿组织、非增强肿瘤组织、增强肿瘤组织和健康组织5个适应性字典。对从原始MRI图像上肿瘤像素点周边m×m×m的小区域提取的特征向量进行稀疏编码，并通过一种基于字典学习的核聚类方法对像素点进行编码。最后通过形态滤波填充在多个相连部分间的区域，提高分割质量。为评估分割表现，分割结果被上传到在线评估系统中，该评估系统使用dice系数、阳性预测值（positive predictive value, PPV）、灵敏度和kappa值作为评估指标。结果表明，该方法在完整肿瘤区域分割上具有良好表现（dice: 0.83; PPV: 0.84; sensitivity: 0.82），而在肿瘤核心区域（dice: 0.69; PPV: 0.76; sensitivity: 0.80）和增强肿瘤区域（dice: 0.58; PPV: 0.60; sensitivity: 0.65）上表现稍差。相较于脑肿瘤分割（BRATS）挑战中其他团队采用的方法，该方法具有竞争力。该方法在健康组织和病理组织区分上具有一定潜力。

相关研究