[人工智能]多尺度融合的MRI脑肿瘤图像分割方法

摘要

脑肿瘤是大脑中细胞非正常生长的病症，是由于颅脑内部组织出现癌变而导致的高危害疾病。目前脑肿瘤诊断十分依赖于医学影像技术，其中磁共振成像的应用最为广泛。因此，基于核磁共振图像的脑肿瘤分割具有重要意义。提出一种基于U-Net改进的脑肿瘤图像分割网络，结合残差网络和一种用于增强上下文信息的模块，并在网络中加入空洞空间卷积池化金字塔进行处理，对癌症影像档案提供的脑部胶质瘤MRI图像数据集进行实验验证。结果表明，基于U-Net改进的脑肿瘤图像分割网络正确率达到0.957 2，能够有效提高分割精度，提升脑肿瘤识别效率，对于脑肿瘤的临床诊断具有积极意义。

0 引言

脑肿瘤是大脑中细胞非正常生长的病症，是由于颅脑内部组织出现癌变而导致的高危害疾病。脑肿瘤分割通过识别与正常组织异常的区域来分割肿瘤区域位置和范围［1］。目前脑肿瘤诊断十分依赖于医学影像技术，包括计算机断层扫描（Computer Tomography

了解本专栏 订阅专栏 解锁全文 超级会员免费看