基于全卷积生成对抗网络的MRI脑肿瘤图像语义分割
孙川又1
邵海见2
邓星2
1.江苏科技大学计算机学院 镇江 2120032.江苏科技大学计算机学院 镇江 212003;东南大学自动化学院复杂工程系统测量与控制教育部重点实验室 南京 210096
摘要：针对模型设计以及样本类别不平衡等问题,论文提出一种新型的脑肿瘤分割网络,即NFGAN.对于模型结构设计,基于全卷积网络的生成器模型实现分割网络的端到端输出,将预测图像和标签图像共同输入到判别卷积网络,通过对抗训练来加强学习数据的本质特征以提高分割模型的分割性能.此外,论文提出了基于加权交叉熵和广义骰子的组合损失函数,以此减轻类别不平衡的影响.实验结果表明,所提出的模型在BraTs2018数据集上的整体肿瘤,核心肿瘤和增强肿瘤分割精度分别为0.879、0.812和0.778,相较于传统U-Net模型的分割效果尤为显著.
关键词：脑肿瘤分割全卷积网络MRI成像损失函数类别不平衡
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61902158)
论文发表日期：2025-12-20
在线出版日期：2026-03-09（本平台首次上网日期，不代表文献的发表时间）
页数：6( 3495-3500 )
英文信息