论文笔记：A deep learning model integrating FCNNs and CRFs for brain tumor segmentation

大致框架：

基本流程：

1. 预处理：通过N4ITK以及基于图像模式的方法实现图像强度归一化。
2. 利用全卷积神经网络（FCNNs）对图像以像素单位分配不同标签。
3. 利用条件随机场所构建的递归神经网络（CRF-RNN）对FCNNs输出结果进行优化。
4. 利用多数投票策略（Majority voting strategy）对不同标签标记结果进行分割，实现病变脑组织与正常脑组织的划分。
5. 后续处理：去噪、去除异常区域、填补孔洞、修正潜在标记错误等。

预处理

1. N4ITK：矫正MRI数据偏移场
   
   
   • 第一行为处理之前数据，第二行为预处理后输出结果，可以明显看到图像可比性增强。
2. 基于图像模式的方法：1）减去图像模式，以标准化图像强度，并将标准偏差归一化为1；2）利用鲁棒强度偏差代替标准偏差，以弱化数据噪声敏感度。