arXiv 2509.193532025-10-10eess.IVcs.CV

频率感知集成学习用于BraTS 2025儿童脑肿瘤分割

Frequency-Aware Ensemble Learning for BraTS 2025 Pediatric Brain Tumor Segmentation

Institute of Natural Sciences, School of Mathematical Sciences, MOE-LSC, Shanghai Jiao Tong University（自然科学院、数学科学学院、MOE-LSC、上海交通大学）；Department of Radiology, Huashan Hospital, Fudan University（放射科、华山医院、复旦大学）；Department of Neurosurgery, Huashan Hospital, Fudan University（神经外科、华山医院、复旦大学）

Yuxiao Yi, Qingyao Zhuang, Zhi-Qin John Xu, Xiaowen Wang, Yan Ren, Tianming Qiu

备注：: 11 pages, 3 figures, conference, miccai brats challenge

阅读 PDF

arXiv 页面 ↗HTML 原文 ↗

AI总结：

针对儿童脑肿瘤分割的挑战，提出集成nnU-Net、Swin UNETR和HFF-Net的频域感知方法，在BraTS 2025挑战赛中获得第一名。

摘要：

儿童脑肿瘤分割因其罕见性和异质性而面临独特挑战，但对于临床诊断和治疗规划仍然至关重要。我们提出了一种集成方法，整合了nnU-Net、Swin UNETR和HFF-Net，用于BraTS-PED 2025挑战赛。我们的方法包含三个关键扩展：可调节的初始化尺度以优化nnU-Net的复杂度控制；利用BraTS 2021预训练模型进行迁移学习，以增强Swin UNETR在儿科数据集上的泛化能力；以及针对HFF-Net的频域分解，将低频组织轮廓与高频纹理细节分离。我们的最终集成框架结合了nnU-Net（γ=0.7）、微调后的Swin UNETR和HFF-Net，在未见测试数据集上分别取得了62.7%（CC）、83.2%（ED）、72.9%（ET）、85.7%（NET）、91.8%（TC）和92.6%（WT）的Dice分数。我们提出的方法在BraTS 2025儿童脑肿瘤分割挑战赛中获得了第一名（排名第1）。

英文摘要：

Pediatric brain tumor segmentation presents unique challenges due to the rarity and heterogeneity of these malignancies, yet remains critical for clinical diagnosis and treatment planning. We propose an ensemble approach integrating nnU-Net, Swin UNETR, and HFF-Net for the BraTS-PED 2025 challenge. Our method incorporates three key extensions: adjustable initialization scales for optimal nnU-Net complexity control, transfer learning from BraTS 2021 pre-trained models to enhance Swin UNETR's generalization on pediatric dataset, and frequency domain decomposition for HFF-Net to separate low-frequency tissue contours from high-frequency texture details. Our final ensemble framework combines nnU-Net ($γ=0.7$), fine-tuned Swin UNETR, and HFF-Net, achieving Dice scores of 62.7% (CC), 83.2% (ED), 72.9% (ET), 85.7% (NET), 91.8% (TC), and 92.6% (WT) on the unseen test dataset, respectively. Our proposed method achieves first place (rank 1st) in the BraTS 2025 Pediatric Brain Tumor Segmentation Challenge.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。