脑肿瘤分割对于准确的诊断，手术计划和治疗监测至关重要。大脑中的异常细胞生长需要精确的定位才能有效管理。 本研究比较了MRI脑肿瘤图像的两种高级分割技术。 第一个使用三个数据集（Figshare，Sartaj，BRT35H）将有效的网络B0与Grad-CAM相结合，以实现视觉解释性，以达到96.87％的分割精度。 第二个在Figshare数据集上采用了修改后的U-NET体系结构，达到了99.84％的精度。 全面的评估探讨了数据集选择，模型体系结构以及诸如Grad-CAM对性能的影响。 通过识别这些方法的优势和劣势，该研究为选择精确的脑肿瘤分割算法提供了见解。 这项工作突出了自动分割在改善诊断精度，减少临床工作量以及使早期干预以获得更好的患者预后的重要性。大脑中的异常细胞生长需要精确的定位才能有效管理。本研究比较了MRI脑肿瘤图像的两种高级分割技术。第一个使用三个数据集（Figshare，Sartaj，BRT35H）将有效的网络B0与Grad-CAM相结合，以实现视觉解释性，以达到96.87％的分割精度。第二个在Figshare数据集上采用了修改后的U-NET体系结构，达到了99.84％的精度。全面的评估探讨了数据集选择，模型体系结构以及诸如Grad-CAM对性能的影响。通过识别这些方法的优势和劣势，该研究为选择精确的脑肿瘤分割算法提供了见解。这项工作突出了自动分割在改善诊断精度，减少临床工作量以及使早期干预以获得更好的患者预后的重要性。