自动分割 MRI 脑胶质瘤

胶质瘤是最常见的原发性脑肿瘤，使用世界卫生组织 (WHO) 系统根据其组织病理学表现分为低级别胶质瘤 (LGG)（I 级和 II 级）和高级胶质瘤（III 级间变性胶质瘤和级别IV 胶质母细胞瘤。

神经胶质瘤，尤其是高级胶质瘤，表现出不规则的生长模式，浸润周围的大脑，因此显示出不规则的边界，这在传统的磁共振图像 (MRI) 上可能不清晰并且由于评分者之间的差异而容易发生变化。 准确描绘肿瘤边界以及评估肿瘤体积对于制定治疗计划和监测治疗反应至关重要。 然而，由于肿瘤的异质性和复杂性、与周围组织的信号强度重叠以​​及肿瘤生长到附近结构的不均匀性，使用主观视觉评估准确描绘神经胶质瘤的边界往往很困难。

与肿瘤体积法相比，肿瘤大小的常规视觉评估是基于对总肿瘤体积的简单线性测量。 这些二维测量通常在没有体积测量的单个 MRI 切片上执行。 这些线性测量依赖于用户，并且由于测量可变性增加而容易出错，尤其是在形状不规则的病变中。基于计算机的全自动肿瘤分割方法为这些问题提供了一种可能的解决方案。 该过程基于使用概率组织模型从结构性大脑 MRI 图像中提取信息，以使用不同的 MRI 脉冲序列定义清晰的肿瘤边界。 这些方法可以准确快速地从周围的正常脑组织中识别出神经胶质瘤，并进行肿瘤体积测定，同时消除观察者内部和观察者之间的变异性。治疗、监测疾病进展和评估治疗效果。 在胶质瘤自动分割过程中，胶质瘤的不同部分被表征为实体（活动）肿瘤、坏死和肿瘤周围水肿。

自动分割方法利用人工智能和机器学习技术从多序列 MRI 中提取信息，基本上包括 T1W、钆增强的 T1W、T2W 和 FLAIR 序列。

对肿瘤切除范围的适当评估在神经胶质瘤的预后中起着重要作用，因为最大化切除范围会影响这些患者的生存。 完全切除增强肿瘤，定义为切除最后 1-2% 的肿瘤，似乎在患者生存方面提供最大益处。 通过准确的肿瘤定位和分类，自动分割可以带来更好的诊断和正确的治疗计划。