9、基于物联网 MRI 扫描的脑肿瘤检测预测模型

基于物联网 MRI 扫描的脑肿瘤检测预测模型

1. 引言

脑肿瘤的形成源于大脑中正常细胞的 DNA 出现错误（突变）。这些突变使细胞以指数级速度分裂和生长，且在健康细胞死亡后仍持续存活，最终形成肿瘤。通常，暴露于电离辐射的人群患脑肿瘤的几率较高。脑肿瘤一般分为癌症性（恶性）和良性两种类型。肿瘤的生长速度和位置决定了其对神经系统的影响程度，例如，一个大但生长缓慢的肿瘤可能比一个小但快速生长的肿瘤危险性低。因此，早期检测脑肿瘤至关重要。

目前，虽然有许多脑肿瘤分割方法，但大多采用传统的手工挑选方式。本文介绍了一种全自动方法，结合模糊 c 均值和 3D 主动轮廓进行肿瘤区域分割。模糊 c 均值作为一种软聚类技术，蛇形方法用于识别轮廓。同时，利用物联网（IoT）根据 MRI 预测患者是否需要手术。

1.1 MRI 与 CT 扫描对比

CT 扫描速度快，能快速提供器官、组织和骨骼结构的图像，但 MRI 在图像捕捉方面更为出色。MRI 利用磁场成像，而 CT 扫描使用 X 射线技术。

1.2 弥漫性低级别胶质瘤（DLGGs）

DLGGs 是弥漫浸润性原发性脑肿瘤，约占原发性脑肿瘤的 15%，主要影响较年轻患者（男性略多于女性），平均年龄约 38 岁。它们可分为三种组织学亚型：少突胶质细胞瘤、少突星形细胞瘤和星形细胞瘤。组织学检查显示，弥漫性低级别胶质瘤具有典型的形态特征，但这些肿瘤在自然侵袭性方面存在广泛的异质性，导致患者的生存时间差异很大。一些诊断因素可区分不同的预后亚组，而且越来越多的证据表明，在肿瘤早期发展阶段可评估的自然因素在预测个体整体预后方面起着重要作用。

1.3 IoT 平台