基于高效训练的脑肿瘤可靠分割——融合脉冲神经网络
计算机视觉与模式识别
2026-01-26 v1 神经与进化计算
摘要
我们提出了一个可靠且节能的 3D 脑肿瘤分割框架，采用脉冲神经网络 (SNNs)。由横切、冠状和轴向 SNN 模型构成的多视角集成提供了体素级不确定性估计，并增强了分割鲁棒性。为解决在语义图像分割中训练 SNN 模型的高计算成本，我们采用 Forward Propagation Through Time (FPTT)，显著降低了计算成本，同时保持了时序学习效率。在 Multimodal Brain Tumor Segmentation Challenges (BraTS 2017 和 BraTS 2023) 上的实验表明，该方法在准确率、校准良好的不确定性和 87% 计算量 (FLOPs) 减少方面表现优异，凸显了 SNNs 在可靠、低功耗医疗物联网和现场护理系统中的潜力。
引用
@article{arxiv.2601.16652,
title = {Reliable Brain Tumor Segmentation Based on Spiking Neural Networks with Efficient Training},
author = {Aurora Pia Ghiardelli and Guangzhi Tang and Tao Sun},
journal= {arXiv preprint arXiv:2601.16652},
year = {2026}
}
备注
Accepted at ISBI 2026