融合反事实推理与轻量化设计的半监督脑肿瘤分割网络

来源：电子与信息学报杂志2026年第5期北京时间：

作者：樊亚文, 王潮远, 王鑫, 张鑫晨, 周全

单位：南京邮电大学通信与信息工程学院 南京 210003

摘要：针对脑肿瘤分割任务中标注样本稀缺、高计算开销以及病灶边界模糊问题，该文从模型结构与半监督机制两个角度出发，提出一种融合轻量化骨干网络与反事实推理的半监督脑肿瘤分割方法，旨在同时提升分割精度与模型部署效率。在网络结构设计方面，基于解剖结构一致性先验，构建了参数共享的多模态融合编码器-解码器架构，在保证分割性能的同时显著降低模型参数量与计算开销，使其适用于资源受限的临床应用场景。在半监督训练策略方面，利用教师-学生模型预测结果构建反事实样本，设计了一种结合像素级分割一致性与特征级语义稳定性的反事实推理损失函数，从而充分挖掘未标注数据的结构信息。在BraTS2021数据集上的实验结果表明，即使仅使用10%的标注数据，半监督模型在主要分割指标上平均达到约94%的全监督性能，同时在边界细节和小病灶识别性能方面均优于现有主流方法。

关键词：脑肿瘤分割, 多模态融合, 轻量化模型, 半监督学习, 反事实推理

基金资助：国家自然科学基金(62476139)，江苏省研究生科研与实践创新计划(SJCX25_0308)