胶质瘤是最常见的原发性脑恶性肿瘤,具有不同的侵袭性、可变的预后和各种异质性组织学亚区域 [3,1,2]。脑肿瘤分割 (BraTS) 挑战赛的目标之一是确定用于在磁共振成像 (MRI) 扫描中分割脑肿瘤的最先进的机器学习方法 [19,4]。一个 MRI 数据样本包括原始 T1 加权扫描 (T1)、对比后 T1 加权扫描 (T1Gd)、原始 T2 加权扫描 (T2) 和 T2 液体衰减反转恢复 (T2-FLAIR) 扫描。然而,每个肿瘤感兴趣区域 (TRoI) 在一个脉冲中可见。具体而言,整个肿瘤在 T2-FLAIR 中可见,肿瘤核心在 T2 中可见,增强肿瘤在 T1Gd 中可见。准确的深度学习分割模型不仅可以节省神经放射科医生的时间,还可以为进一步的肿瘤分析提供可靠的结果。最近,深度学习方法一直超越传统的计算机视觉方法[6,11,22,24,27]。具体来说,卷积神经网络(CNN)
主要关键词