基于随机遮蔽增强的鲁棒 3D 大脑 MRI 图像填补
计算机视觉与模式识别
2025-11-26 v1
摘要
ASNR-MICCAI BraTS-Inpainting 挑战旨在缓解深度学习模型在脑肿瘤 MRI 定量分析中受数据偏差限制的现象。本文详细介绍了我们对2025年挑战的提交方案，这是一个用于合成 3D 扫描中健康组织的深度学习框架。我们方法的核心是训练一个 U-Net 架构，以 inpaint 合成损坏区域，增强了随机遮蔽增强策略以提高泛化性。定量评估确认了我们方法的有效性，在验证集上实现了SSIM为0.873±0.004，PSNR为24.996±4.694，MSE为0.005±0.087。在最终在线测试集上，我们的方法实现了SSIM为0.919±0.088，PSNR为26.932±5.057，RMSE为0.052±0.026。该性能确保了我们在 BraTS-Inpainting 2025 挑战中夺得第一名，并在官方排行榜上超越了2023年和2024年的获奖方案。
引用
@article{arxiv.2511.20202,
title = {Robust 3D Brain MRI Inpainting with Random Masking Augmentation},
author = {Juexin Zhang and Ying Weng and Ke Chen},
journal= {arXiv preprint arXiv:2511.20202},
year = {2025}
}
备注
Accepted by the International Brain Tumor Segmentation (BraTS) challenge organized at MICCAI 2025 conference