Dimeco F ， Li KW ， Casali C ， et al . Meningiomas invading the superior sagittal sinus:surgical experience in 108 cases [J ] . Neurosurgery ， 2008 ， 62 ( 6 ): 1124 - 1135 .

Heros RC . Venous preservation [J ] . J Neurosurg ， 2013 ， 119 （ 1 ）： 71 - 72 ．

Jui SL ， Zhang SC ， Xiong WL ， et al . Brain MRI tumor segmentation with 3D intracranial structure deformation features [J ] . IEEE Intell Syst ， 2016 ， 31 （ 2 ）： 66 - 76 ．

Akkus Z ， Galimzianova A ， Hoogi A ， et al . Deep learning for brain MRI segmentation：state of the art and future directions [J ] . J Digit Imaging ， 2017 ， 30 （ 4 ）： 449 - 459 ．

Virupakshappa ， Amarapur B . Cognition-based MRI brain tumor segmentation technique using modified level set method [J ] . Cogn Technol Work ， 2019 ， 21 （ 3 ）： 357 - 369 ．

van Garderen KA ， van der Voort SR ， Versteeg A ， et al . EASE：clinical implementation of automated tumor segmentation and volume quantification for adult low-grade glioma [J ] . Front Med ， 2021 ， 8 ： 738425 ．

Zhou M ， Scott J ， Chaudhury B ， et al . Radiomics in brain tumor：image assessment，quantitative feature descriptors，and machine-learning approaches [J ] . AJNR Am J Neuroradiol ， 2018 ， 39 （ 2 ）： 208 - 216 ．

Shal K ， Choudhry MS . Evolution of deep learning algorithms for MRI-based brain tumor image segmentation [J ] . Crit Rev Biomed Eng ， 2021 ， 49 （ 1 ）： 77 - 94 ．

Clarke LP ， Velthuizen RP ， Clark M ， et al . MRI measurement of brain tumor response：comparison of visual metric and automatic segmentation [J ] . Magn Reson Imag ， 1998 ， 16 （ 3 ）： 271 - 279 ．

Sun JW ， Chen W ， Peng ST ， et al . DRRNet：dense residual refine networks for automatic brain tumor segmentation [J ] . J Med Syst ， 2019 ， 43 （ 7 ）： 221 ．

Menze BH ， Jakab A ， Bauer S ， et al . The multimodal brain tumor image segmentation benchmark （BRATS） [J ] . IEEE Trans Med Imaging ， 2015 ， 34 （ 10 ）： 1993 - 2024 ．

Kofler F ， Berger C ， Waldmannstetter D ， et al . BraTS toolkit：translating BraTS brain tumor segmentation algorithms into clinical and scientific practice [J ] . Front Neurosci ， 2020 ， 14 ： 125 ．

Šteňo A ， Hollý V ， Mendel P ， et al . Navigated 3D-ultrasound versus conventional neuronavigation during awake resections of eloquent low-grade gliomas：a comparative study at a single institution [J ] . Acta Neurochir ， 2018 ， 160 （ 2 ）： 331 - 342 ．

Hou XL ， Yang DD ， Li DJ ， et al . A new simple brain segmentation method for extracerebral intracranial tumors [J ] . PLoS One ， 2020 ， 15 （ 4 ）： e0230754 ．

Zhang F ， Noh T ， Juvekar P ， et al . SlicerDMRI：diffusion MRI and tractography research software for brain cancer surgery planning and visualization [J ] . JCO Clin Cancer Inform ， 2020 ， 4 ： 299 - 309 ．

Isa IS ， Sulaiman SN ， Mustapha M ， et al . Automatic contrast enhancement of brain MR images using Average Intensity Replacement based on Adaptive Histogram Equalization（AIR-AHE） [J ] . Biocybern Biomed Eng ， 2017 ， 37 （ 1 ）： 24 - 34 ．

Dill V ， Franco AR ， Pinho MS . Automated methods for hippocampus segmentation：the evolution and a review of the state of the art [J ] . Neuroinformatics ， 2015 ， 13 （ 2 ）： 133 - 150 ．

Saito T ， Rehmsmeier M . Precrec：fast and accurate precision-recall and ROC curve calculations in R [J ] . Bioinformatics ， 2017 ， 33 （ 1 ）： 145 - 147 ．

Hussain S ， Anwar SM ， Majid M . Segmentation of glioma tumors in brain using deep convolutional neural network [J ] . Neurocomputing ， 2018 ， 282 ： 248 - 261 ．

Yang TJ ， Song JK ， Li L . A deep learning model integrating SK-TPCNN and random forests for brain tumor segmentation in MRI [J ] . Biocybern Biomed Eng ， 2019 ， 39 （ 3 ）： 613 - 623 ．

Li HC ， Li A ， Wang MH . A novel end-to-end brain tumor segmentation method using improved fully convolutional networks [J ] . Comput Biol Med ， 2019 ， 108 ： 150 - 160 ．

Zhao XM ， Wu YH ， Song GD ， et al . A deep learning model integrating FCNNs and CRFs for brain tumor segmentation [J ] . Med Image Anal ， 2018 ， 43 ： 98 - 111 ．

Mert A ， Kiesel B ， Wöhrer A ， et al . Introduction of a standardized multimodality image protocol for navigation-guided surgery of suspected low-grade gliomas [J ] . Neurosurg Focus ， 2015 ， 38 （ 1 ）： E4 ．

Guo YX ， Sun ZP ， Liu XJ ， et al . Surgical safety distances in the infratemporal fossa：three-dimensional measurement study [J ] . Int J Oral Maxillofac Surg ， 2015 ， 44 （ 5 ）： 555 - 561 ．

Zhu ZQ ， Chai Y ， Yin HP ， et al . A novel dictionary learning approach for multi-modality medical image fusion [J ] . Neurocomputing ， 2016 ， 214 ： 471 - 482 ．

Kim YI ， Lee DH ， Cho CB ， et al . The usefulness of dual-volume visualization （three-dimensional digital subtraction angiography and cross-sectional imaging） for surgical planning in treating intracranial meningiomas：a case series and technical report [J ] . World Neurosurg ， 2019 ， 122 ： e59 - e66 ．

Su JH ， Ba YY ， Liang ST ， et al . Type Ⅲ intraosseous meningioma invading superior sagittal sinus and skull periosteum [J ] . J Craniofac Surg ， 2019 ， 30 （ 6 ）： e561 - e563 ．

Fick T ， van Doormaal JAM ， Tosic L ， et al . Fully automatic brain tumor segmentation for 3D evaluation in augmented reality [J ] . Neurosurg Focus ， 2021 ， 51 （ 2 ）： E14 ．

Kanaly CW ， Ding DL ， Mehta AI ， et al . A novel method for volumetric MRI response assessment of enhancing brain tumors [J ] . PLoS One ， 2011 ， 6 （ 1 ）： e16031 ．