2026《脑肿瘤MRI图像介绍综述》1500字.docxVIP

脑肿瘤MRI图像介绍综述

目录

TOC\o1-3\h\u1403脑肿瘤MRI图像介绍综述 1

130851.1MRI图像 1

152881.2Kaggle数据集 2

53271.3图像分类评价标准 4

1.1MRI图像

MRI核磁共振成像技术，是利用核磁共振原理，依据原子核所释放出的能量在不同物质内部不同结构和环境中具有不同的衰减，再通过外加梯度磁场来检测出该原子核所发射出的电磁波，最终得知构成这一物体的原子核的位置和种类，据此可以绘制成物体内部的结构图像[16]。采集MRI图像的核磁共振仪如图1.1所示。

图1.1核磁共振仪

MRI图像共有四种显示模态包括T1显示模态、T1c显示模态，T2显示模态和FLAIR显示模态，不同显示模态MRI的成像特点不同[17]，如图3.1所示。从左至右依次列出四种模态，即T1显示模态、T1c显示模态，T2显示模态和FLAIR显示模态。通过观察可以发现，正常的脑组织区域和非正常的脑肿瘤区域在四种不同模态的图像中的成像也是不同的。在T1模态图像中，水肿区域呈现深色[18]，在T2模态的图像中，水肿区域呈现白影。在FLAIR模态图像中，水肿区域则呈现暗灰色。多模态图像提供了不同的组织信息，结合多模态图像对脑肿瘤分割是最常见的方法[19]。由于FLAIR图像能够更敏感的检测蛛网膜下腔和脑实质内的脑肿瘤病灶，其次通过图像可以直观看出FLAIR显示模态的图像的脑肿瘤区域成像明显，易于区分，并且单模图像相比多模图像数据量更小处理起来更加容易，可以大幅节约时间成本，所以本文选用了FLAIR单模图象作为实验图像。

图1.2脑肿瘤MRI多模态成像

1.2Kaggle数据集

Kaggle是由联合创始人、首席执行官安东尼·高德布卢姆（AnthonyGoldbloom）于2010年在墨尔本创立的，该平台是一个主要为软件开发商和数据科学家们提供包括举办机器学习竞赛、托管数据库、编写和分享代码等职能的平台。

本论文所使用的数据集是来源于kaggle官方网站()的kaggle_3m含有训练集3321张，测试集623张。

此数据集包含脑肿瘤MRI图像以及专家手动分割FLAIR的金标准掩膜这些图像从The?Cancer?Imaging?Archive（TCIA）获得的。他们对应于癌症基因组图谱（TCGA）低级神经胶质瘤收集物中的110例患者，具有液衰减反转恢复（FLAIR）序列和可用的基因组数据。所有图片均均经过一定的预处理且以.tif格式提供，每个图片有3个频道。

其中101为病例，有3个图像可用，即对比前，FLAIR，对比后（按通道顺序）。其中9例，缺少造影剂后顺序，其中6例，缺少造影剂前顺序。丢失的图像将替换为FLAIR图像，以使所有图像变为3通道。掩膜是二进制的1通道图像。它们将出现在FLAIR图像中的FLAIR异常区域（适用于所有情况）。数据集被组织成110个文件夹，每个文件夹都以案例ID命名，其中包含有关源机构的信息。每个文件夹包含具有以下命名约定的MR图像：`TCGA_?机构代码?_?病人ID?_?切片号?.tif`对应的掩码具有“?_mask”后缀。

表1.1KaggleMR图像数据集

属性名

图像类型

图像宽度

图像高度

值

RGB

256像素

256像素

选取3组待分割的脑肿瘤图像和以及专家手动分割的金标准如图1.4和图1.5

图1.4脑肿瘤MRI图像

图1.5脑肿瘤图像分割金标准掩膜

1.3图像分类评价标准

图像分类的评价往往存在着一定的主观性，为了能够对图像分类结果进行统一，广大学者提出一种评价标准能够客观的评价图像的分类标准，使用TN代表未检索到且不相关的样本数量，在本文实验中代表将非肿瘤区域预测为非肿瘤区域的像素数量；使用TP代表将检索到且相关的样本数量，在本文实验中代表将肿瘤区域预测为肿瘤区域的像素数量；使用FN代表未检索到但相关的样本数量，在本文实验中代表将肿瘤区域预测为非肿瘤区域的像素数量；使用FP代表检索到但不相关的样本数量，在本文实验中代表将非肿瘤区域预测为肿瘤区域的像素数量。

一些评价标准可由图1.6直观的表示出来其中的关系。

图1.6评价标准关系图

1.Acc(准确率，Accuracy):

(1.1)

1.R(召回率，Recall):

(1.2)

3.P(精确率，Precision):

(1.3)

F1-measure(调和平均数):

(1.4)

其中可以