多模脑部图像的肿瘤特征分析

多模脑部图像的肿瘤特征分析

一、项目研究内容与目标

1.1项目简介

本项目提出一项基于大样本真实临床数据的脑肿瘤特征研究计划，构建一体化混合深度学习神经网络， 实现多模脑肿瘤图像的自动识别与分类，提升相关研究的实用化水平，提高医疗影像诊断工作的效率和准
确性， 为脑肿瘤诊断与治疗提供技术支撑。本项目的研究内容包括：大规模多模脑部图像数据库构建；脑
肿瘤图像标注; 脑肿瘤图像自动分割与识别；脑肿瘤特征分析。

1.2项目目标

1)构建一个规模最大的多模脑部图像数据库；

2)实现基于检查报告的脑肿瘤图像自动标注；

3)设计一体化混合深度学习网络，对多模脑部图像进行肿瘤分割、特征提取、肿瘤性质分析与肿瘤分类；

4)开发多模脑部图像的肿瘤特征分析系统，在脑肿瘤识别分类的基础上，根据图像序列分析得到肿瘤的
   几何特征、位置特征和肿瘤的良恶性；

二、项目研究进展

2.1 数据库建立

数据库由BraTS、TCIA、湘雅医院脑肿瘤图像数据组成；现有299例病人的图像数据；肿瘤类型包括：
高级胶质瘤、低级胶质瘤、胶质母细胞瘤、 脑膜瘤等常见颅内肿瘤；BraTS数据总量达224，250张，其
中带标签数据共44,850张，TCIA数据库的数据包含的肿瘤类型较多，但是无标签数据，共1,568,986
张图片。

带标签的数据由四种模态数据，分别是Flair、T1、T1c、T2四种模态；不同模态下脑组织在图像中的
表现不同，T1模态下主要是看解剖结构，T2模态下观察病变区域，T1c观察脑组织中肿瘤的边缘。

BraTS数据库的四种模态的图像以及标签如下所示：

TCIA数据库的数据如下所示：

2.2 数据库标注

结合检查报告的自动脑肿瘤图像标注算法。该算法是基于诊断报告与图像数据的脑肿瘤图像自动标注
算法，标注结果由专家验证后放入脑肿瘤图像数据库。标注结果如下图：

2.3一体化混合深度学习网络的构建

2.3.1硬件环境

√中南医疗数据平台提供的3x 16Core、32G内存、2T硬盘

√信息科学与工程学院提供的8Cre、8G内存、6G显存、2T硬盘

2.3.2 已实现的网络结构

网络的训练数据是两种不同大小的patch，分别是4x56x56、4x33x33，经过卷积、池化、全链接层后的输出是5x1x1。

模型的输出以颜色作为类别标签，网络的输出结果为：

三、脑肿瘤辅助诊断系统

版权声明

请尊重我们的原创作品，转载时请标注文章的原始出处和作者信息。如果您有任何问题或想法想和我们进行沟通， 请您使用页面下方的邮件或电话进行联系。