多模态MRI脑肿瘤分割方法的特征融合技术综述

来源：计算机工程与应用杂志2024年第23期北京时间：

作者：刘海超, 宋丽娟

单位：1.宁夏大学 信息工程学院，银川 750021；2.宁夏“东数西算”人工智能与信息安全重点实验室，银川 750021；3.宁夏大数据与人工智能省部共建协同创新中心，银川 750021

摘要：随着人工智能技术的快速发展，脑肿瘤分割在提高临床诊断、研究和治疗的准确性和效率方面取得了显著进展。多模态医疗图像分割正在成为当前脑肿瘤分割研究的热点和趋势，这是因为多模态医学图像可以提供更加全面和详尽的信息，增强了脑肿瘤分割算法的可行性和可靠性。然而，多模态数据的使用也面临着一系列的问题和挑战。模态特征在进行融合时可能无法充分利用，导致模态间信息遗漏和不均衡；模态之间的差异过大，可能会产生干扰和误导算法的表现。而且，模态缺失也是一个常见的问题，使多模态方法的效果进一步降低。因此，旨在研究医疗图像多模态融合方法，以帮助新研究者探索未来多模态脑肿瘤分割的方向。该研究的重点在于探讨在脑肿瘤分割中多模态数据的特征融合方法，并根据融合数据的抽象层次对各种方法进行分类。通过研究不同的融合算法和模型，希望能够解决脑肿瘤多模态数据融合的困难和挑战，提高脑肿瘤分割的准确性与可靠性，为脑肿瘤的诊断与治疗提供更好的支持。

关键词：脑肿瘤分割,多模态,早期融合,晚期融合,多级别融合,模态缺失