BMVDC-Net：用于脑胶质瘤分割的边缘增强多视角细节捕捉网络

高允龙^{1, 2}， 何科毅^{1, 2}， 陈鸣伸^{1, 2}，刘苏锐²，周志勇^{1, 2}，钱旭升²，彭博^{1, 2}，戴亚康^{1, 2}

（1. 中国科学技术大学 生命科学与医学部 生物医学工程学院（苏州），合肥230000；2.中国科学院 苏州生物医学工程技术研究所 生医工人工智能研究室，江苏苏州215163） 

摘要：脑胶质瘤的分割对脑肿瘤的诊断、手术计划和预后评估至关重要。目前大多胶质瘤分割方法缺乏三维空间信息和二维多视角特征的有效整合，特别是对于强异质性MRI数据，这些数据在不同视角下具有不同肿瘤分布模式且具有模糊的边缘。我们提出了一个基于3D-UNet架构的边缘增强多视角细节捕获网络BMVDC-Net，有效捕获多视角肿瘤分布模式和精确边界。首先，提出了一个由多尺度的轴向、矢状、冠状和三维卷积组成的多视图特征表征模块，以提取多方向的肿瘤形状细节。其次，提出了一种边缘增强模块，该模块采用了编码器-解码器参数共享、随机边缘扩展和注意力融合的方法，使网络集中在肿瘤边缘上。最后，使用后处理技术进一步优化分割输出。在BraTS2019和BraTS2023-GLI数据集上的实验结果表明：与最先进的方法相比，分割性能优越，平均Dice系数提高了0.9~6.6百分点。

关键词：卷积神经网络，胶质瘤分割，边缘增强，多视角  

扫二维码浏览全文  

Cite this article 

Gao, Y., He, K., Chen, M. et al. BMVDC-Net: Boundary Enhanced Multi-View Detail Capture Network for Glioma Segmentation. J. Shanghai Jiaotong Univ. (Sci.) (2025). https://doi.org/10.1007/s12204-025-2858-9