表 1. Performance comparison of brain tumor segmentation methods (whole voxels).
脑肿瘤分割方法性能对比(全像素)
| 方法 | 训练数据集 | 测试数据集 | Dice | ||
| 全肿瘤 | 肿瘤核心 | 增强肿瘤 | |||
| Cui等[18] | BraTS2015训练集 | BraTS2015测试集中的HGG数据 | 0.90 | 0.81 | 0.81 |
| Feng等[6] | 210例HGG+75例LGG(BraTS2018) | BraTS2018验证集(66例) | 0.911 4 | 0.830 4 | 0.794 6 |
| Sun等[19] | 210例HGG+75例LGG+数据增强(BraTS2018) | BraTS2018验证集(66例) | 0.904 4 | 0.849 4 | 0.805 2 |
| Myronenko[20] | 210例HGG+75例LGG(BraTS2018) | BraTS2018验证集(66例) | 0.910 0 | 0.866 8 | 0.823 3 |
| 基线网络(UNet) | 210例HGG中的155例(BraTS2018) | 210例HGG中剩余55例(BraTS2018) | 0.907 9 | 0.842 9 | 0.828 2 |
| 本研究方法 | 210例HGG中的155例(BraTS2018) | 210例HGG中剩余55例(BraTS2018) | 0.909 7 | 0.877 3 | 0.839 6 |