基于 H"older 发散和互信息增强的不完整 MRI 模式下脑肿瘤分割
计算机视觉与模式识别
2025-07-03 v1
摘要
多模态 MRI 为准确的脑肿瘤分割提供了关键的互补信息。然而，传统方法在由于图像质量、协议不一致、患者过敏或经济约束等问题导致某些模态缺失时难以实现准确的分割。为此，我们提出一种鲁棒的单模态并行处理框架，即使在模态不完整的情况下也能实现高分割精度。通过利用 H"older 发散和互信息，我们的模型在保持模态特定特征的同时，根据可用输入动态调整网络参数。借助这些发散和信息基于的损失函数，该框架有效地量化了预测结果与真实标签之间的差异，从而实现持续准确的分割。在 BraTS 2018 和 BraTS 2020 数据集上的广泛评估表明，我们的方法在处理缺失模态方面优于现有方法。
关键词
引用
@article{arxiv.2507.01254,
title = {Robust Brain Tumor Segmentation with Incomplete MRI Modalities Using H\"older Divergence and Mutual Information-Enhanced Knowledge Transfer},
author = {Runze Cheng and Xihang Qiu and Ming Li and Ye Zhang and Chun Li and Fei Yu},
journal= {arXiv preprint arXiv:2507.01254},
year = {2025}
}