基于改进3D U-Net的多模态脑肿瘤分割算法
打开文本图片集
摘 要：针对脑部肿瘤分割任务中存在的多模态信息利用率不高，训练样本数据少导致分割结构精度不高的问题，提出了一种以3D U-Net模型为基础，融合变分自编码器（VAE）和注意力模型的分割模型VAE U-Net，实现多模态脑肿瘤MRI图像的自动分割。所提方法在Brats2020数据集上进行实验，在测试集上的整体肿瘤、核心肿瘤以及增强核心区的分割Dice系数分别为81.44、90.82和89.43，相较于原始的3DU-Net提高了2.03、1.05和2.38个百分点。（剩余7826字）
