Jul, 2024
使用3D U-Net和上下文变换器的MRI图像的脑肿瘤分割
Brain Tumor Segmentation in MRI Images with 3D U-Net and Contextual
Transformer
TL;DR本研究提出了一种增强的方法,利用先进的3D-UNet模型和上下文转换器(CoT)在磁共振成像(MRI)中精确分割脑肿瘤肿块,通过架构扩展CoT的方式,将所提出的模型扩展到3D格式,将其与基本模型平滑地集成起来,以利用MRI扫描中发现的复杂上下文信息,强调元素在扩展空间范围内相互依赖的程度。该模型从CoT同步获得肿瘤肿块特征,互相增强特征提取,有助于准确捕获详细的肿瘤肿块结构,包括位置、大小和边界。与当前最先进的方法相比,该方法的若干实验结果表明出色的分割性能,在BraTS2019数据集上,增强型肿瘤的Dice分数为82.0%,肿瘤核的Dice分数为81.5%,整个肿瘤的Dice分数为89.0%。