唐诗，王福龙

（广东工业大学应用数学学院，广州 510520）

0 引言

肿瘤是细胞不可控、非自然地分裂生长所形成的新生物，其中起源于神经胶质细胞的肿瘤被称为胶质瘤，它是目前脑肿瘤分割研究的重点类型。神经胶质瘤作为脑中最常见的恶性肿瘤，按照分化程度分类，可以分为低级别胶质瘤（LGG）以及高级别胶质瘤（HGG）。医学影像学的检查可以提供肿瘤大小、形状、位置和与周围组织关系等多种有价值的信息。其中MRI技术因其良好的软组织对比度和广泛的可用性，被认为是标准技术。用于胶质瘤诊断的四种标准MRI方法是：T1加权成像技术、增强T1加权成像技术、T2加权成像技术和液体衰减翻转恢复（FLAIR）。不同的技术的成像针对的病理变化区域不同，T2成像可突出瘤周水肿，FLAIR有助于去分瘤周水肿和脑脊液，而T1和T1C则能明显观察到高信号的肿瘤核心。

脑肿瘤及其亚结构的自动分割有可以提供准确和可重复的肿瘤测量，因而在脑肿瘤的诊断、手术计划和治疗评价上有着十分强大的应用前景。但是这种分割极具挑战性，因为不同的脑肿瘤的大小、形状、位置是高度可变的。

1 相关研究

近几十年来，脑肿瘤的自动分割领域的研究十分活跃。大多数分割方法可被分为生成性方法或判别性方法。生成性方法是基于肿瘤或正常组织解剖结构的显式的参数或非参数模型，在特定的区域将先验知识推广到未知图像。但精确的脑肿瘤概率分布模型很难建立。判别性方法直接学习图像强度和组织类别之间的关系，从而不需要遵循特定模型的脑肿瘤模式。……