【论文阅读笔记】A literature survey of MR-based brain tumor segmentation with missing modalities

原创

已于 2023-12-07 16:15:34 修改 · 216 阅读

2 ·

CC 4.0 BY-SA版权

文章标签：

#论文阅读 #笔记 #mr

于 2023-10-13 10:14:32 首次发布

Zhou T, Ruan S, Hu H. A literature survey of MR-based brain tumor segmentation with missing modalities[J]. Computerized Medical Imaging and Graphics, 2022: 102167.

综述对象：2022年3月1日前文章，在训练期间可以使用完整的磁共振模式，而在测试期间可能没
有一个或多个模式。

摘要： 多模态磁共振脑肿瘤分割是医学图像处理领域的热点问题之一。然而，在临床实践中，由于获取方案、图像损坏、扫描仪可用性、扫描成本或对某些造影剂过敏，获取完整的磁共振模式并不总是可能的。缺失的信息可能会对脑肿瘤的诊断、监测、治疗计划和预后造成一定的限制。因此，迫切需要开发脑肿瘤分割方法来解决缺失的模式问题。基于最近的进展，在这篇综述中，我们提供了一个详细的分析缺失模式的问题，在磁共振成像的脑肿瘤分割。首先，我们简要介绍了脑肿瘤的生物医学背景、磁共振成像技术以及目前脑肿瘤分割面临的挑战。然后，我们对目前最先进的方法进行了分类，分为五类，即基于图像合成的方法、基于潜在特征空间的模型、基于多源相关的方法、基于知识提取的方法和基于领域自适应的方法。此外，还详细阐述了每种方法的原理、体系结构、优点和局限性。随后，描述了相应的数据集和广泛使用的评估指标。最后，分析了当前面临的挑战，并对未来的发展趋势进行了展望。这篇综述旨在让读者全面了解最近在缺少模式的脑肿瘤分割领域的贡献，并提出潜在的未来方向。

贡献：(1)对最近的方法进行了技术概述，并将这些出版物分为五组:基于图像合成的方法、基于潜在特征空间的模型、基于多源相关性的方法、基于知识蒸馏的方法和基于领域自适应的方法。我们从原理、架构、优点和局限性等方面对这些方法进行了深入的分析。(2)介绍了广泛使用的脑肿瘤分割数据集和相应的评价指标。此外，我们对所审查的方法提供了简明的表格描述，并比较了它们在缺失模式的情况下的性能。(3)我们讨论了当前面临的挑战，并为读者提供了关于缺失模式磁共振脑肿瘤分割领域未来发展方