原创力文档摘要
脑胶质瘤作为中枢神经系统最常见的原发性恶性肿瘤，其精确分割直接影响手术切除
范围规划和放化疗方案制定。磁共振多模态成像（T1/T2/T1ce/FLAIR）通过提供互补的生
物学信息，已成为临床诊断的黄金标准。然而，现有深度学习解决方案面临三重技术瓶颈：
①多模态数据融合效率低下，②长程空间依赖建模能力不足，③亚毫米级边界分割误差—
—这些问题直接导致临床应用中假阳性率处于显著偏高水平。
针对上述挑战，本研究的核心创新在于构建了MFA-UNet/MFAT-U+双阶段改
摘要
脑胶质瘤作为中枢神经系统最常见的原发性恶性肿瘤，其精确分割直接影响手术切除
范围规划和放化疗方案制定。磁共振多模态成像（T1/T2/T1ce/FLAIR）通过提供互补的生
物学信息，已成为临床诊断的黄金标准。然而，现有深度学习解决方案面临三重技术瓶颈：
①多模态数据融合效率低下，②长程空间依赖建模能力不足，③亚毫米级边界分割误差—
—这些问题直接导致临床应用中假阳性率处于显著偏高水平。
针对上述挑战，本研究的核心创新在于构建了MFA-UNet/MFAT-U+双阶段改
文档评论（0）