DALight-3D：一种用于多模态 MRI 脑肿瘤分割的轻量级 3D U-Net
计算机视觉与模式识别
2026-05-07 v1 机器学习
神经与进化计算
摘要
从多模态 MRI 中自动进行脑肿瘤分割仍然具有挑战性，因为体积模型通常会产生大量的计算开销。本文提出了 DALight-3D，一种紧凑的 3D U-Net 变体，它结合了深度可分离 3D 卷积、标识符条件归一化、跨切片注意力以及自适应跳跃融合。该方法在 Medical Segmentation Decathlon Task01 BrainTumour 基准上，在匹配的优化设置下与标准 3D U-Net、Attention U-Net、Residual 3D U-Net 和 V-Net 基线进行了评估。在报告的 50 个 epoch 的比较中，DALight-3D 以 2.22M 参数量实现了 0.727 的平均 Dice，而 Residual 3D U-Net 为 0.710 的 Dice 和 3.20M 参数量。逐组件消融实验表明，移除 SepConv、标识符条件归一化、CSA 或 SSFB 会导致性能持续下降。这些结果表明，在当前的基准设置下，DALight-3D 提供了良好的准确率与效率的权衡。
引用
@article{arxiv.2605.04518,
title = {DALight-3D: A Lightweight 3D U-Net for Brain Tumor Segmentation from Multi-Modal MRI},
author = {Nand Kumar Mishra and Dhruv Mishra and Dr Manu Pratap Singh},
journal= {arXiv preprint arXiv:2605.04518},
year = {2026}
}