基于深度学习的脑肿瘤分割及生存周期预测方法研究.pdfVIP

基于深度学习的脑肿瘤分割及生存周期预测方法研究

摘要

脑肿瘤是对人体危害最大的肿瘤类型之一，其严重影响患者的健康，甚至威胁生

命。由于脑肿瘤结构的复杂性以及肿瘤边界信息的模糊性等问题，针对脑肿瘤的诊断

和治疗一直是临床上的一大难题。磁共振成像技术能够提供不同模态的脑肿瘤图像，

为解释脑肿瘤的内部结构提供了极大的便利。深度学习的不断发展极大地提高了脑肿

瘤分割的精度，同时也为脑肿瘤患者术后的生存周期预测提供了强有力的支持。针对

脑肿瘤分割及病患生存周期预测两个任务，本文的主要研究内容如下：

（1）本文针对脑肿瘤分割任务采用了一种基于注意力引导的3DU-Net网络AG

3DU-Net，该网络用注意力引导滤波器替换了标准的跳跃连接，并在模型训练前设计了

模态权重模块对不同模态的图像进行加权。注意力机制的加入弥补了传统的卷积神经

网络全局建模能力不足的问题，模态权重模块的设计使模型在训练过程中能够关注到

不同模态图像对于不同脑肿瘤区域重要程度上的差异。另外，为解决训练过程中的样

本类别不平衡问题，本文在损失函数的设计上将DiceLoss和FocalLoss进行结合，