基于多模态磁共振的脑肿瘤图像自动分割算法研究

简介：
本研究致力于开发一种利用多模态磁共振技术的先进算法，旨在提高脑部肿瘤图像自动分割的精确度与效率，为临床诊断提供有力支持。 脑肿瘤图像自动分割面临的主要挑战是肿瘤形态多样且类别不平衡严重，这使得传统的卷积神经网络难以生成高精度的分割结果。为解决这些问题，在原始3D-Unet的基础上提出了一种改进模型，该模型采用混合膨胀卷积模块替代常规卷积模块，以此方式指数级地扩大了感受野，并减少了网络深度以避免上采样时无法恢复小目标的问题。此外，还用混合损失函数取代原有的Dice损失函数，增强了对稀疏类别分类错误的惩罚力度，促使模型更好地学习这些错误样本。实验结果显示，混合膨胀卷积模块和混合损失函数分别提高了整个肿瘤区域及核心区域的预测精度，并改进了脑肿瘤自动分割的各项性能指标。