摘要。由于样本有限、形状差异大以及肿瘤形态分布不均匀,从多模态脑 MRI 图像中进行肿瘤分割是一项具有挑战性的任务。随着深度学习的最新进展,自动医学图像分割的性能得到了显着改善。然而,模型预测在准确性和通用性方面尚未达到临床使用所需的水平。为了解决 BraTS 2023 挑战 1、2 和 3 中提出的独特问题,我们构建了一个基于 3D U-Net 模型的脑肿瘤分割优化框架。该框架融合了一系列技术,包括各种预处理和后处理技术以及迁移学习。在验证数据集上,该多模态脑肿瘤分割框架在挑战 1、2、3 上分别实现了平均病变 Dice 得分 0.79、0.72、0.74。
主要关键词