基于matlab的脑瘤mr图像处理_BraTS18——多模态MR图像脑肿瘤分割挑战赛

之前挑战赛的数据都是以CT图像为主，而医学影像还有其他模态，例如核磁共振成像。今天我将分享如何对多模态MR图像脑肿瘤进行分割处理。为了方便大家学习理解整个分割流程，我将整个流程步骤进行了整理，并给出每个步骤的结果，希望对大家有所帮助。

一、脑肿瘤图像分析与预处理

(1)、获取多模态MR图像属性信息。

读取原始图像，显示图像大小，Spacing信息，BraTS18的数据都是配准好的，大小都是(240x240x155)，Spacing大小都是(1x1x1)的。

(2)、获取Mask图像信息。

读取Mask图像，输出Mask的全部标签值：0是背景，1是坏疽区域，2是浮肿区域，4是增强肿瘤区域。

(3)、多模态MR标准化处理。

BraTS18采用了T1，T2，flair，T1ce这四个序列的MR图像，这四个序列是不同模态的图像，因此图像对比度也不一样，所以采用z-score方式来对每个模态图像分别进行标准化，图像减去均值除以标准差。

(4)、准备脑肿瘤分割数据。

首先将4个模态序列的MR原始图像进行合并生成4个通道的三维图像，原始图像大小都是(240x240x155x1)，合并后大小是(240x240x155x4)；

其次对Mask图像进行拆分操作即将每个标签图像作为单独的通道图像，即原始图像大小都是(240x240x155x1)，拆分后大小是(240x240x155x3)：通道0中非零值是坏疽区域，零是背景区域，通道2中非零值是浮肿区域，零是背景区域，通道3中非零值是增强肿瘤区域