摘要
准确的脑肿瘤分割在诊断过程中起着至关重要的作用。然而，由于肿瘤在对比度低、形态多样、位置各异，以及标注偏差和肿瘤区域之间不平衡等问题，仍面临诸多挑战。为此，本文提出了一种新型的3D双域注意力模块，用于从Unet编码特征图中学习空间域与上下文域中的局部与全局信息。该注意力模块通过注意力机制与残差学习，在每一阶段扩大感受野的基础上生成优化的特征图，从而聚焦于复杂的肿瘤区域。在BraTS 2018数据集上的实验结果表明，所提方法在性能上优于现有的最先进方法。
准确的脑肿瘤分割在诊断过程中起着至关重要的作用。然而，由于肿瘤在对比度低、形态多样、位置各异，以及标注偏差和肿瘤区域之间不平衡等问题，仍面临诸多挑战。为此，本文提出了一种新型的3D双域注意力模块，用于从Unet编码特征图中学习空间域与上下文域中的局部与全局信息。该注意力模块通过注意力机制与残差学习，在每一阶段扩大感受野的基础上生成优化的特征图，从而聚焦于复杂的肿瘤区域。在BraTS 2018数据集上的实验结果表明，所提方法在性能上优于现有的最先进方法。