基于U-Net与U-Net3+模型的脑梗死高效精准分割研究

来自土耳其约兹加特博佐克大学研究医院的研究人员，针对脑梗死早期诊断难题，采用U-Net和U-Net3+架构对110例患者MRI数据进行分割研究。通过数据扩增获得6732张图像，基础U-Net以Dice分数0.8947、IoU 0.8798超越复杂模型，为卒中诊疗提供AI决策支持。

　　

脑梗死作为全球致死致残的主要元凶，其早期精准诊断直接关乎患者预后。这项研究别出心裁地采用110例来自约兹加特博佐克大学研究医院的回顾性MRI数据集，让经典U-Net与升级版U-Net3⁺同台竞技。在资深放射科医师监督下标注金标准（ground-truth），配合数据扩增魔法将样本量提升至6732张。

性能比拼环节堪称精彩：看似朴素的U-Net竟以Dice分数0.8947、平均交并比(IoU)0.8798、像素精度0.9963的优异成绩，碾压了装备豪华的U-Net3⁺。后者虽具备多尺度特征融合等黑科技，却验证了医学影像领域"简单即美"的哲学。该研究为AI辅助卒中诊疗开辟新路径，证明卷积神经网络(CNN)在病灶勾画中既能当"快枪手"又能做"神枪手"。