学者观点 | MRI脑肿瘤图像分割研究进展及挑战

点击中国图象图形学报→主页右上角菜单栏→设为星标

图片来源网络

脑肿瘤是生长在大脑内部的不正常细胞群，分为良性肿瘤和恶性肿瘤，良性脑肿瘤可通过手术治愈，恶性脑肿瘤又称为脑癌，是致命的癌症类型之一。

全球癌症发病率和死亡率正在迅速增长，根据《临床医师癌症杂志》(A Cancer Journal for Clinicians)全球癌症统计报告，2018年脑癌新发病例约29.7万，约占所有癌症新发病例的1.6 %，脑癌死亡病例约24.1万，约占所有癌症死亡病例的2.5 %。

随着医学成像的发展，成像技术能为医生提供清晰的脑内部结构，在脑肿瘤患者治疗评估中发挥重要作用。

图图今天带大家阅读《中国图象图形学报》2020年第3期“学者观点”《MRI脑肿瘤图像分割研究进展及挑战》,成果来自天津大学微电子学院李锵教授团队。

论文信息

题目：MRI脑肿瘤图像分割研究进展及挑战

作者：李锵,白柯鑫,赵柳,关欣

关键词：脑肿瘤图像分割；核磁共振成像(MRI)；监督分割；非监督分割；深度学习

来源：中国图象图形学报，2020年第3期

全文链接：

http://www.cjig.cn/html/jig/2020/3/20200301.htm

论文看点

• 总结MRI脑肿瘤图像分割的方法，并对现有方法进行了分类，即分为监督分割和非监督分割；

• 对基于深度学习的脑肿瘤分割方法进行综述，以关键技术为基础归纳优化策略；

• 介绍了脑肿瘤分割（BraTS）挑战；

• 展望了脑肿瘤分割领域未来的发展趋势。

脑肿瘤患者MRI的4种模态及专家分割结果

深度学习优化策略

图像数据方面

• 利用如翻转、缩放、裁剪等数据增强技术增加训练数据量，提高模型的泛化能力；

• 结合脑部解剖结构中肿瘤区域包含关系，引入级联框架，分别实现全肿瘤、肿瘤核心和增强肿瘤的分割；

• 使用改进的损失函数处理图像类别不平衡问题。

网络结构方面

• 采用多尺度、多通道策略，充分利用图像特征信息；

• 下采样过程中，用卷积操作代替池化，在减少图像信息丢失的同时，能够进一步对图像特征进行学习；

• 在多个卷积层之间，使用跳跃连接的方式，有效解决深层次网络的退化问题；

• 在不同情况下，选用合适的标准化方式、激活函数以及丢失率，以达到更好的分割效果。

脑肿瘤分割发展趋势

• 由于MRI成像模态的多样化，充分利用各个模态图像信息能有效提高脑肿瘤分割精度，因此如何合理使用多模态图像将成为一个研究热点；

• 基于深度学习的方法在脑肿瘤分割领域表现突出，成为一个热门的研究方向；

• 机器学习算法的缺陷会导致脑肿瘤分割结果不准确，对原本方法进行有效改进或结合各种方法是目前一个流行趋势。

未来挑战

图片来源网络

基于MRI图像的脑肿瘤分割是生物医学工程和计算机应用技术的交叉领域。BraTS挑战提供的公共数据集为研究人员利用现有技术开发和客观评估其方法提供了公共的平台。

尽管现有的方法取得了一定的进展，但脑肿瘤图像分割仍然存在一些挑战：

• 脑肿瘤分割是一种异常检测问题，比其他基于模式识别的任务更具有挑战性；

• 大多数方法能够精确分割HGG病例图像，但在LGG病例图像分割表现较差；

• 与分割全肿瘤相比，这些方法对肿瘤核心和增强肿瘤的分割效果仍然不佳。

以上挑战将成为该领域学术界的研究焦点，基于深度学习的方法也将继续占据主流地位。

作者简介

李锵，教授，研究方向为智能信息处理、滤波器设计、数字系统和微系统设计。

E-mail: [e-mail] 

白柯鑫，硕士研究生，主要研究方向为医学图像处理。E-mail:[e-mail]

赵柳，硕士研究生，主要研究方向为医学图像处理。E-mail: [e-mail] 

关欣，副教授，主要研究方向为音乐信息检索、统计学习和信息处理。

E-mail: [e-mail]

专刊征文

技术创新是社会和经济发展的核心驱动力，新冠疫情期间，医学影像AI技术与自动驾驶技术受到社会的高度关注，如何打破领域技术瓶颈，让科技更好服务于人类，需要学术界和产业界相关研究者的共同探讨。

为探索上述问题，《中国图象图形学报》邀请业内专家共同策划推出“AI+医学影像”专刊与“自动驾驶技术与应用”专刊，欢迎学术界和产业界的一线科研人员踊跃投稿。

❂ 好文推荐
❂ 专家报告
❂ 论文写作
❂ 往期目次

获取方式

本文系《中国图象图形学报》独家稿件

内容仅供学习交流

版权属于原作者

欢迎大家关注转发！

编辑：韩小荷

指导：梧桐君

审校：夏薇薇

总编辑：肖   亮

声  明

欢迎转发本号原创内容，任何形式的媒体或机构未经授权，不得转载和摘编。授权请在后台留言“机构名称+文章标题+转载/转发”联系本号。转载需标注原作者和信息来源为《中国图象图形学报》。本号转载信息旨在传播交流，内容为作者观点，不代表本号立场。未经允许，请勿二次转载。如涉及文字、图片等内容、版权和其他问题，请于文章发出20日内联系本号，我们将第一时间处理。《中国图象图形学报》拥有最终解释权。

齐心抗疫

与你同在

前沿 | 观点 | 资讯 | 独家

电话：[phone]/7418

网站：www.cjig.cn

在看点这里