摘要
由于严重的类别不平衡和标注数据稀缺，在多模态 MRI 中分割脑肿瘤亚区域非常困难，且当前最先进的模型需要 2130 万至 3100 万个参数才能达到 0.906–0.921 的整体肿瘤 Dice 系数。我们提出了一种参数高效的二维编码器 - 解码器，结合了傅里叶神经算子（FNO）和视觉 Transformer（ViT），并使用 BraTSPipeline 进行训练，该流程将吞吐量从每轮 257 张切片提升至 16,040 张，同时采用两种复合损失函数，对假阴性的惩罚力度是假阳性的 2.3 倍。在 BraTS 2020 数据集上，二维变体（560 万参数）在 56 例保留测试集上实现了 0.8985、0.8263 和 0.7568 的整体肿瘤（WT）、肿瘤核心（TC）和增强肿瘤（ET）Dice 系数，使用的参数比已发布的架构少 3.8–5.6 倍。将三张连续的轴位切片编码为 12 个通道（2.5D，2050 万参数）将 WT 提升至 0.9117，与 BraTS 2020 上已发布的最佳二维结果 Mod-R2AU-Net（WT = 0.921）相差 0.010 以内；一个不含 ViT 的 460 万参数消融实验达到了 0.9106 的 WT 和 0.8428 的 TC，而 ViT 增加了 0.043 的 ET Dice 系数。
