MRI 图像 BraTS 多模态概念

1. BraTS介绍

脑部肿瘤分割(brain tumor segmentation)是MICCAI所有比赛中历史最悠久的，已经连续办了8届,每年该比赛的参赛人数也几乎是所有比赛中最多的，因此这是一个很好的了解分割方法最前沿的平台。

2. 数据集来源

数据来自多个机构，使用不同的核磁共振扫描仪。

3. 数据集描述

3.1 类别

训练集( training set) 又划分为HGG和LGG,他们分别表示:

• HGG :高级别胶质瘤（WHO3～4级）为低分化胶质瘤；这类肿瘤为恶性肿瘤，患者预后较差。
• LGG :低级别胶质瘤（WHO1～2级）为分化良好的胶质瘤；虽然这类肿瘤在生物上并不属于良性肿瘤，但是患者的预后相对较好。

3.2 多模态 

医学图像具有多模态特点,我理解的多模态通俗地讲就是一个东西可以有多种不同的形态表现,不过对于我们来说,收集多模态的数据集是比较困难的,但很庆幸地是BraTs中有t1、t2、t1ce、flair模态,足以可以让我们学习,每个模态有每个模态的特点.

单一的模式由于无法充分细分相关区域的肿瘤，常常会导致失败或是不足，利用不同的核磁共振成像模式，以效弥补上述弱点。多种模式图像信息能够有效互补，可以有效地提升分割的准确性，但是在一定程度上也增加了分割问题的难度，从多个模式中输入的图像信息，增加分割的必要信息，但同时增加大量不必要的信息，因此会加大分割问题的难度。