MRI 和 CT 中的跨模态肿瘤分割：统一注意力 U-Net 框架
计算机视觉与模式识别
2026-01-13 v1
摘要
本研究提出一种统一的注意力 U-Net 架构，同时在 MRI（BraTS 2021）和 CT（LIDC-IDRI）数据集上进行训练，以探讨单一模型在不同成像模态和解剖部位上的通用性。我们的 proposed pipeline 包含模态调和预处理、注意力门控跳跃连接以及模态感知的 Focal Tversky loss 函数。据我们所知，本研究是首次对单一注意力 U-Net 在分别的 MRI（BraTS）和 CT（LIDC-IDRI）肿瘤数据集上进行同时训练，而无需依赖模态特定编码器或域适应。统一模型在 Dice 系数、IoU 和 AUC 等指标上在两个领域均表现出竞争力，从而为未来研究在跨模态肿瘤分割中建立稳健且可复现的基线。
引用
@article{arxiv.2601.06187,
title = {A Unified Attention U-Net Framework for Cross-Modality Tumor Segmentation in MRI and CT},
author = {Nishan Rai and Pushpa R. Dahal},
journal= {arXiv preprint arXiv:2601.06187},
year = {2026}
}
备注
11 pages, 5 figures