ReFRM3D用于神经胶质瘤特征分析

本文介绍了一种新的深度学习方法（ReFRM3D），用于使用多参数MRI数据进行神经胶质瘤分割和分类。关键创新在于将放射组学特征与3D U-Net架构相结合，并结合了多尺度特征融合、混合上采样和扩展的残差跳跃机制。本文解决了影像数据高变异性和分割效率低下的问题，并在多个BraTS数据集上展示了分割性能的显著提升。这项工作意义重大，因为它提供了一种更准确、更有效的方法来诊断和分类神经胶质瘤，这是一种具有高死亡率的侵袭性癌症。