面向 BraTS 2019 数据集的 CU-Net：一种高效脑肿瘤分割的 U-Net 架构
计算机视觉与模式识别
2024-06-21 v1 人工智能
神经元与认知
摘要
准确分割脑肿瘤的 MRI 扫描对于开发有效的治疗方案和改善患者预后至关重要。本研究介绍了一种针对 BraTS 2019 数据集的哥伦比亚大学网 (CU-Net) 架构的新实现，用于脑肿瘤分割。CU-Net 模型具有对称的 U 型结构，利用卷积层、最大池和上采样操作实现高分辨率分割。我们的 CU-Net 模型获得了 82.41% 的 Dice 评分，超过了另外两个最先进的模型。这种分割精度的提高凸显了该模型的稳健性和有效性，这有助于准确描绘肿瘤边界，这对于手术规划和放射治疗至关重要，最终有望改善患者预后。
引用
@article{arxiv.2406.13113,
title = {CU-Net: a U-Net architecture for efficient brain-tumor segmentation on BraTS 2019 dataset},
author = {Qimin Zhang and Weiwei Qi and Huili Zheng and Xinyu Shen},
journal= {arXiv preprint arXiv:2406.13113},
year = {2024}
}