基于多模态深度学习的脑肿瘤分割实验研究

摘要：

针对现有3D U-Net网络在脑肿瘤分割中存在的训练过程中损失函数值难以降低,对增强瘤、肿瘤核分割精度较差等问题,该文提出了某模型网络的优化方案.首先使用残差网络结构降低训练难度;进一步引入注意力机制对多模态MRI的融合权值进行自适应学习,充分利用不同模态特征信息;最后在网络解码器部分采用双路卷积结构,提高了网络的特征提取能力.实验结果表明,改进后的网络训练损失函数更容易收敛到较小值,且对3种肿瘤的平均分割Dice系数提高了0.0189,平均Hausdorff距离缩短了1.1971,在整体分割性能上优于改进前的网络.

关键词：深度学习、脑肿瘤分割、多模态、3D U-Net

所属期刊栏目：39

分类号：TP391.4(计算技术、计算机技术)

资助基金：中央高校教育教学改革专项项目;北京高等教育本科教学改革创新项目;国家自然科学基金;北京市自然科学基金重点专题项目

在线出版日期：2022-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：11-14,36