Tag · 3 篇
脑肿瘤分割
01 02 03
虚拟节点引导的动态图神经网络用于缺失模态脑肿瘤分割
Virtual Nodes Guided Dynamic Graph Neural Network for Brain Tumor Segmentation with Missing Modalities
针对多模态医学影像中模态缺失问题，提出基于虚拟节点和图动态连接的统一框架，可复用于其他多模态融合任务（如RGB-D、多光谱）的缺失模态鲁棒性提升。
Uni-Encoder 遇上多编码器：面向缺失模态脑肿瘤分割的融合前表征
Uni-Encoder Meets Multi-Encoders: Representation Before Fusion for Brain Tumor Segmentation with Missing Modalities
两阶段「先表征后融合」的异构架构值得借鉴：先用掩码图像建模预训练单一 ViT 获得对模态缺失鲁棒的全局表征，再接入模态特定的 CNN 多编码器补回高分辨率细节，这一解耦思路可迁移到其他多模态缺失输入的密集预测任务。
PGR-Net：用于脑肿瘤 MRI 分割的先验引导 ROI 推理网络
PGR-Net: Prior-Guided ROI Reasoning Network for Brain Tumor MRI Segmentation
把「病灶只占体数据很小一部分」这一临床空间先验显式建模成 ROI 决策机制（分层 Top-K 候选区域选择 + 高斯窗口衰减引导图），可直接迁移到其他稀疏目标分割任务（如小器官、微转移灶、肺结节）以削减背景冗余计算。