2022ISLES——缺血性中风病变分割挑战

今天将分享缺血性中风病变分割完整实现版本，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、ISLES‘22介绍

缺血性卒中的梗死分割在 i) 急性期以指导治疗决策（是否再灌注，以及治疗类型）和 ii) 亚急性期和慢性期对于评估患者的疾病结果至关重要，对于他们的临床跟进并确定最佳治疗和康复策略，以最大化恢复的关键窗口。

ISLES'22 与之前的缺血性卒中挑战版的不同之处在于 i) 不仅针对大面积梗塞病变的描述，而且针对多发栓塞和/或皮质梗塞（通常在机械再通后看到）的描绘，ii) 通过评估前和介入后 MRI 图像和 iii) 通过包含比 ISLES'15（具有类似目标的先前挑战版）多约 3 倍的数据。

从临床角度来看，ISLES'22 侧重于急性栓塞性梗塞模式的临床日益增长的兴趣，包括干预前（即处于非常早期的疾病状态）和干预后（典型的、干预后的亚急性梗塞模式。这一临床问题也从技术角度提出了挑战：将处理更广泛的缺血性中风疾病谱，包括来自多个中心的数据中的可变病变大小和负担、更复杂的梗塞模式和不同解剖位置的病变。

二、ISLES‘22任务

急性和亚急性中风的多模式 MRI 梗死分割，任务是从DWI、ADC和FLAIR的多MRI模态中自动生成病变分割掩码。

三、ISLES‘22数据集

一共提供了250例多模态数据集

评估指标：骰子分数，绝对体积差，绝对病变计数差异，病变F1评分。

四、技术路线

1、分析DWI、ADC和FLAIR三个模态数据

发现只有DWI和ADC与标注Mask是在同一个图像空间分辨率的，此外对于急性期脑梗死影像表现为：DWI呈高信号，ADC呈低信号。所以实验只采用DWI和ADC两个模态图像进行分割处理。

2、人脑ROI区域提取

由于病灶都是在人脑内部的，其余都是背景，为了减少背景对分割效果的影响，首先要对人脑区域进行提取。具体步骤如下：通过阈值分割（0.1，2000）对图像进行二值化分割，然后采用核大小是1的形态学开操作对二值图像进行处理，再使用最大连通域分析得到人体区域，分析得到人脑的bounding box。根据这个bounding box将原始图像DWI，ADC和标注图像的ROI提取出来。

3、分析步骤1的ROI图像信息，得到图像平均大小是75x90x58，因此将图像缩放到固定大小96x96x64。

4、图像预处理，对步骤3的原始图像进行像素范围是（5，95）的截断，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。

5、搭建VNet3d网络，使用Adam优化器，学习率是0.001，batchsize是3，epoch是40，损失函数采用二分类的dice。

6、训练结果和验证结果

训练损失结果和精度结果