BraTS2023-MEN——BraTS2023颅内脑膜瘤分割挑战赛

今天将分享BraTS2023颅内脑膜瘤分割挑战赛完整实现版本，为了方便大家学习理解整个流程，将整个流程步骤进行了整理，并给出详细的步骤结果。感兴趣的朋友赶紧动手试一试吧。

一、BraTS2023-MEN介绍

脑膜瘤是成人最常见的原发性颅内肿瘤，可导致患者显着的发病率和死亡率。大多数脑膜瘤（约 80%）是世界卫生组织 (WHO) 1 级良性肿瘤，通常通过观察、手术切除和/或放射治疗得到良好控制。然而，较高级别的脑膜瘤（WHO 2 级和 3 级）与显着较高的发病率和死亡率相关，并且尽管采取了最佳管理，但仍经常复发。目前还没有可靠的非侵入性方法来识别脑膜瘤分级、评估侵袭性或预测复发和生存率。

脑磁共振成像 (MRI) 的自动肿瘤分割已成熟为一种临床上可行的工具，可以提供肿瘤体积的客观评估，并可以协助手术计划、放疗计划和治疗反应评估。然而，迄今为止，大多数肿瘤分割研究都集中在神经胶质瘤上。脑膜瘤虽然通常比神经胶质瘤更受限制，但鉴于其轴外位置和颅底受累的倾向，给分割带来了额外的技术挑战。此外，与其他颅内肿瘤不同，脑膜瘤通常仅通过影像学诊断，这增加了 MRI 对治疗计划的重要性。

脑肿瘤分割 (BraTS) 2023 脑膜瘤挑战赛的目的是开发一种针对颅内脑膜瘤的自动多室脑 MRI 分割算法。该算法如果成功，将为客观评估肿瘤体积以制定手术和放疗计划提供重要工具。此外，该算法将为未来的研究提供一个起点，重点是仅根据 MRI 结果确定脑膜瘤分级、评估侵袭性和预测复发风险。

二、BraTS2023-MEN任务

颅内脑膜瘤的多室分割。

三、BraTS2023-MEN数据集

BraTS 脑膜瘤挑战赛的 MRI 数据由美国主要学术医疗中心提供。根据切除或活检后的组织病理学评估或根据脑膜瘤的正式临床和放射学诊断来确定病例，通常根据国际疾病分类第十修订版 (ICD-10)“脑膜良性肿瘤”来确定病例 ”。所有 MRI 脑膜瘤 MRI 研究均在术前和治疗前进行，如果视野中包含一个或多个放射学或病理学上与脑膜瘤一致的肿瘤，则纳入研究。包含任何放射学或病理学上与脑膜瘤不相符的颅内肿瘤的 MRI 研究被排除在外。所有病例均包括多参数 MRI (mpMRI)，包括对比前 T1 加权、对比后 T1 加权、T2 加权和 T2 加权流体衰减反转恢复 (FLAIR) 系列。

mpMRI系列的预处理包括从DICOM到神经影像信息技术倡议（NIfTI）图像文件格式的转换；将单个图像系列（T1 加权、T2 加权等）共同配准到 SRI24 图集空间，包括均匀 1 mm3 各向同性重采样，以及使用深度卷积神经网络方法的自动颅骨剥离。应该指出的是，脑膜瘤可以延伸穿过颅骨和/或颅底孔，并且肿瘤的任何颅外部分都通过颅骨剥离隐含地排除。

对于 BraTS 2023 脑膜瘤，目标是使用 3 标签系统自动分割颅内脑膜瘤——增强肿瘤（蓝色）：这是最直接的标签。这包括对比后图像上相对于对比前图像 T1 信号显着增加的所有肿瘤部分。这包括任何离散可见的硬脑膜尾部，但不包括邻近的血管，即使异常增大。内在 T1 高信号也不包含在该标签中。肿瘤核心不增强（红色）：该标签包括肿瘤核心的所有不增强的部分（即通常会被外科医生切除的部分）。这包括坏死、囊性变、钙化，甚至延伸至肿瘤的外生性骨质增生。这还包括固有的 T1 高信号，例如瘤内出血和脂肪。周围非增强 FLAIR 高信号（绿色）：该标签是肿瘤周围 FLAIR 信号异常的整个范围，不属于肿瘤核心的一部分。对于脑膜瘤，这通常被描述为“血管源性水肿”。这不包括非肿瘤相关的 FLAIR 信号异常，例如先前的梗塞或微血管缺血性白质变化。

四、技术路线

1、根据固定阈值和形态学最大连通域分析得到大脑ROI区域，然后提取原始图像和标注图像的ROI。

2、分析步骤1的ROI图像信息，得到图像平均大小是136x170x140，因此将图像缩放到固定大小160x160x160。

3、图像预处理，对步骤2的原始图像进行像素值（1，99）截断，然后采用均值为0，方差为1的方式进行归一化处理。然后将数据分成训练集和验证集，对训练集做5倍数据增强处理。

4、搭建VNet3d网络，使用AdamW优化器，学习率是0.001，batchsize是3，epoch是200，损失函数采用多分类的dice和交叉熵。

5、训练结果和验证结果

6、验证集分割结果

左图是金标准结果，右图是网络预测结果。

7、测试集分割结果

如果大家觉得这个项目还不错，希望大家给个Star并Fork，可以让更多的人学习。如果有任何问题，随时给我留言我会及时回复的。