基于金字塔结构的神经胶质瘤图像分割模型

来源：计算机应用与软件杂志2025年第5期北京时间：

作者：夏英茹, 陆振宇, 詹天明

摘要：为了提高神经胶质瘤图像分割的准确率，确保整个肿瘤的边缘信息可以更精准地获得，以U型卷积神经网络(UNet)为基础设计一种空洞卷积金字塔模型在多个尺度上捕捉图像的上下文以获得更多的特征，结合ECA(Efficient Channel Attention Network)注意力模块让模型更加关注信息最多的通道特征，同时抑制那些不重要的通道特征。实验结果表明，FLAIR序列在分割整个肿瘤方面具有优势，而所设计的模型在FLAIR序列中的交并比(IoU)和Dice系数(DSC)分别可以达到0.93和0.86，比UNet高0.07和0.05。可以得出结论，所模型有效获取了更多边缘信息，从而提高了神经胶质瘤图像整个肿瘤区域的分割精度。

关键词：神经胶质瘤, 图像分割, UNet, 空洞卷积金字塔, ECA