基于多尺度卷积输入和ConvCRFs的非对称U-Net脑肿瘤MRI图像分割

针对磁共振成像(Magnetic Resonance Imaging,MRI)进行脑胶质瘤病灶边界分割的问题,提出基于多尺度卷积输入和卷积条件随机场(ConvCRFs)的非对称U-Net脑肿瘤MRI图像分割算法。首先,设计了多尺度卷积输入模块作为预处理步骤,以丰富全局上下文语义信息的提取与输入;其次,采用非对称U-Net网络结合ConvCRFs,对分割结果进行判别微调,从而提高肿瘤的分割准确率;最后,为了验证算法的可行性,在Brats2020数据集上进行了实验。实验结果表明,Dice系数达到0.887,表明对脑胶质瘤图像分割算法具有重要的临床引导价值。