近年脑肿瘤发病率呈上升趋势，约占全身肿瘤的5%，占儿童肿瘤的70%。CT、MRI等多种影像检查方法可用于检测脑肿瘤，其中MRI应用于脑肿瘤成像效果最佳。精准的脑肿瘤分割是病情诊断、手术规划及后期治疗的必备条件，既往研究者对脑部肿瘤分割算法进行了深入研究，并取得了很多成果。然而脑部结构复杂，包括脑皮层、灰质、白质、胼胝体、脑脊液等组织，分割精度难以保证。目前临床使用最广泛的脑部肿瘤分割方法是模糊Ｃ均

案例4：脑部MRI图像分割 相关知识点：语义分割、医学图像处理（skimage, medpy）、可视化（matplotlib） 1 任务目标 1.1 任务简介 本次案例将使用深度学习技术来完成脑部MRI(磁共振)图像分割任务，即对于处理好的一张MRI图像，通过神经网络分割出其中病变的区域。本次案例使用的数据集来自Kaggle[1]，共包含110位病人的MRI数据，每位病人对应多张通道数为3

本文由东北大学医学图像智能计算教育部重点实验室，加拿大阿尔伯塔大学于2020年10.24日发表于<Computers in Biology and Medicine> JCR\IF: Q1\7.7 Abstract： 目的:近年来，脑连接网络已被用于神经系统疾病的分类，如自闭症谱系障碍(ASD)或阿尔茨海默病(AD)。网络分析为探索脑功能缺陷与脑疾病相关的潜在结构破坏之间的关系提供了一种新的途

脑部各区域体积测量方法研究 一， 研究背景 脑组织形态学研究是临床判断脑组织的正常老化与病理过程的重要方法，近２０年来，随着医学影像学的高速发展，临床医师对人体病变部位的观察更直接、更便捷、更清晰，疾病的确诊率也更高，使得脑组织形态学方法成为脑科疾病中重要的诊断方法。比如，通过人体小脑体积的变化来诊断癫痫、人体海马体体积的变化来诊断帕金森（PD）或者阿尔兹海默（AD）等。本文主要以海马体体

一、BraTS比赛数据概要 BraTS全名是Brain Tumor Segmentation ，即脑部肿瘤分割。世界卫生组织（WHO）按细胞来源和行为对脑肿瘤进行分类： 非恶性脑肿瘤被分类为I级或II级，也被称为低度（low grade, LG）肿瘤，LG肿瘤不会严重影响患者的预期寿命恶性肿瘤被分类为III级或IV级，被称为高度（high grade, HG），与HG肿瘤的最大预期寿命只有

脑部的基础知识 1 解剖学基本术语：1.1 解剖学方向1.2 解剖学平面1.3 神经元集合体1.4 神经元轴突集合体 2 中枢神经系统CNS2.1 脑 Brain2.1.1 **大脑** = 大脑皮层 + 皮层下结构2.1.2 **间脑** = **丘脑 + 下丘脑 + 垂体**2.1.3 **中脑 =** **顶盖 +** **大脑脚**2.1.4 脑桥 = 脑桥基底 + 脑桥被盖2.1.