基于多尺度融合的轻量级脑肿瘤分割算法

脑肿瘤是一种常见的神经系统疾病,准确的肿瘤分割对于诊断和治疗至关重要。然而,传统的自动分割方法受限于计算复杂度和精度,限制了其实际的临床应用。此外,脑肿瘤在不同尺度下具有多样性,因此需要一种方法来融合多尺度信息以提高分割精度。首先设计一种轻量级脑肿瘤分割模型,通过减小参数量和计算复杂度,使其更适合点对点临床分析;其次,引入了多尺度信息融合策略和注意力机制,以考虑不同尺度下的脑肿瘤特征,提高分割准确度和鲁棒性;最后,实验优化后的模型完整肿瘤、核心区域、增强区域的Dice分数分别为0.851、0.834、0.778,参数量和计算复杂度仅为0.73 M和0.20 G,优于最先进的分割方法。