基于3D U-Net的轻量级脑肿瘤分割网络

作     者：魏欣 李锵 关欣 WEI Xin;LI Qiang;GUAN Xin

作者机构：天津大学微电子学院天津300072 

出 版 物：《光电子．激光》 (Journal of Optoelectronics·Laser)

年 卷 期：2022年第33卷第12期

页      面：1338-1344页

核心收录：

学科分类：08[工学] 081203[工学-计算机应用技术] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(61471263,61872267) 天津市自然科学基金(16JCZDJC31100) 天津大学自主创新基金(2021XZC-0024)资助项目。 

主　　题：核磁共振成像(MFI) 脑肿瘤分割 卷积神经网络(CNN) 轻量级 加权损失函数 

摘      要：针对现有脑肿瘤核磁共振成像(magnetic resonance imaging, MRI)分割神经网络的参数量和计算量较大且对肿瘤区域小目标分割精度不高的问题,提出一种改进的轻量级脑肿瘤分割网络MF-RES2Net(multiple fiber residual-like networks)。该网络以3D U-Net为基础架构,将多纤模块(multi-fiber, MF)和类残差模块(RES2)相结合代替传统卷积模块。MF将特征图像的通道进行混合,增加了通道间信息的交流融合;RES2将通道均分,单通道的卷积结果相加到相邻通道,在扩大图像感受野的同时保留了细节特征,同时降低网络参数量。此外,为改善数据不平衡问题,提出一种改进的加权损失函数,提高了网络对小目标的分割精度。将MF-RES2Net在BRATS 2019数据集进行验证,完整肿瘤、核心肿瘤和增强肿瘤分割的平均Dice系数分别为89.98%、84.02%、77.62%,参数量和浮点数分别为3.16 M和16.24 G,结果表明:该网络在降低参数量和计算量的同时进一步提升了分割性能,有效地降低了网络运行时的设备要求。