基于直觉模糊逻辑的UNet架构：用于脑图像分割的应用
计算机视觉与模式识别
2026-02-05 v1
摘要
精确分割MRI脑图像对于图像分析、神经系统疾病诊断和医学图像计算至关重要。在深度学习方法中，卷积神经网络（CNNs），尤其是UNet，广泛应用于医学图像分割。然而，由于脑图像中的局部体积效应，难以处理不确定性。为克服这一局限，我们提出了增强框架，称为直觉模糊逻辑UNet（IF-UNet），将直觉模糊逻辑引入UNet。该模型以成员度、非成员度和迟疑度三个维度处理输入数据，从而更好地处理因局部体积效应和边界不确定性导致的组织模糊性。该提议架构在Internet Brain Segmentation Repository（IBSR）数据集上进行评估，其性能使用准确率、Dice系数和交并比（IoU）进行计算。实验结果确认，IF-UNet在处理脑图像中的不确定性方面提高了分割质量。
引用
@article{arxiv.2602.04227,
title = {An Intuitionistic Fuzzy Logic Driven UNet architecture: Application to Brain Image segmentation},
author = {Hanuman Verma and Kiho Im and Pranabesh Maji and Akshansh Gupta},
journal= {arXiv preprint arXiv:2602.04227},
year = {2026}
}