【论文阅读笔记】RAAGR2-Net: A brain tumor segmentation network using parallel processing of multiple spatial

Rehman M U, Ryu J, Nizami I F, et al. RAAGR2-Net: A brain tumor segmentation network using parallel processing of multiple spatial frames[J]. Computers in Biology and Medicine, 2023, 152: 106426.【开放源码】

【论文核心思想概述】

本文介绍了一种名为RAAGR2-Net的新型脑肿瘤分割网络，这是一个基于编码器-解码器架构，用于有效分割MRI中的脑肿瘤区域。该网络采用了多个新颖的模块，包括残差空间金字塔池化（RASPP）、注意力门控（AG）和递归残差（R2）模块，以提高在多模态脑肿瘤图像分割基准（BraTS）数据集上的分割性能。研究表明，通过这些模块的综合应用，RAAGR2-Net能够更精确地识别和分割肿瘤区域，同时减少信息丢失和计算复杂性。此外，文章还强调了数据预处理的重要性，包括N4偏场校正、z-分数标准化和数据增强，以改善网络的学习效率和分割性能。

【数据预处理】

本文将数据预处理作为创新点之一单独成章，因此这里专门解读一下。

• N4偏场校正（N4 Bias-Field Correction）：

  • 目的：MRI图像可能包含由于病人运动或MRI扫描器硬件本身造成的伪影。伪影通常体现为局部调整的亮度（即图像局部过亮或过暗），这是MRI图像强度不均匀的问题。这种不均匀性会模糊病变特征，影响神经网络学习。

  • 方法：使用非参数和非均匀归一化（N3）方法解决强度不均匀问题，随后通过N4算法进行进一步校正，以提高系统性能。

    补充说明一下：N4 bias field correction是医学图像处理中用来去除由图像获取过程中的非均