基于多尺度卷积输入和ConvCRFs的非对称U-Net脑肿瘤MRI图像分割

作者：李星^*

来源：信息与电脑(理论版), 2023, 35(01): 34-37.

• 病灶边界分割
• 多尺度卷积输入模块
• 非对称U-Net

针对磁共振成像（Magnetic Resonance Imaging,MRI）进行脑胶质瘤病灶边界分割的问题，提出基于多尺度卷积输入和卷积条件随机场（ConvCRFs）的非对称U-Net脑肿瘤MRI图像分割算法。首先，设计了多尺度卷积输入模块作为预处理步骤，以丰富全局上下文语义信息的提取与输入；其次，采用非对称U-Net网络结合ConvCRFs，对分割结果进行判别微调，从而提高肿瘤的分割准确率；最后，为了验证算法的可行性，在Brats2020数据集上进行了实验。实验结果表明，Dice系数达到0.887，表明对脑胶质瘤图像分割算法具有重要的临床引导价值。

• 单位
  西安邮电大学