8、利用MRI多模态图像进行脑肿瘤分割

利用MRI多模态图像进行脑肿瘤分割

在癌症诊断领域，利用MRI多模态图像进行脑肿瘤分割是一项重要的研究课题。本文将详细介绍相关的研究方法、实验结果以及不同技术的应用效果。

寻找肿瘤预期区域

通过对不同切片的观察发现，肿瘤的发展、消失以及大小变化与多个患者相关。在寻找肿瘤区域时，我们采取了以下关键步骤：
1. 构建Z分数标准化图像 ：扫描除T1图像外的所有模式，构建Z分数标准化的视觉图像。
2. 双折叠处理 ：使用FLAIR、T2和T1c的标准（分别为0.7、0.7和0.9）对获取的图像进行双折叠处理。由于肿瘤在FLAIR和T2图像中比颅骨相邻区域更突出，所以双折叠屏障因子选择大于平均估计值（0.7）；T1ce照片中肿瘤更清晰，因此选择更高的双折叠屏障因子（0.9）。若双折叠屏障因子过低，会将许多健康细胞识别为癌细胞。
3. 去除不重要部分 ：使用结构函数去除某些不重要的部分。
4. 图像融合 ：将所有双折叠的FLAIR和T2图像进行融合。
5. 生成新图像并聚合区域 ：生成新图像，并聚合从每个图像中获取的区域。

对于双折叠的T1c图像，还添加了一些限制条件来确定其是否为癌症的组成部分：
- 实体硬度超过0.7。
- 实体大小大于500像素。
- 实体的主轴长度大于35像素。不满足这些要求的实体将被消除。

在整合双折叠的T1c图像到由FLAIR和T2图像的双折叠点积创建的图像之前，还需满足一个条件