摘要: :从多模态MRI中对多个脑胶质瘤区域进行精确分割是不少精准医疗步骤的前提。为了有效针对脑胶质瘤MRI的特性和 提升其分割精度,本文提出了多Dice损失函数结构,并采用预实验选择良好的超参数(数据维度、图像融合步长、损失函数的实 现形式)构建一个基于三维全卷积DenseNet的图像特征学习网络。本研究包含了脑胶质瘤MRI的274个已分割训练集和110 个未提供分割的测试集。图像进行灰度归一化后提取三维图像块作为网络输入,网络输出利用图像块融合方法得到最终的分 割结果。相比通用的结构,推荐的结构提高了脑胶质瘤的分割精度。在公开的BraTS2015数据集上进行在线的评估中,整个肿 瘤区、肿瘤核心区和增强肿瘤区的Dice值分别为0.85、0.71、0.63。