摘要

脑部肿瘤分割是医学图像分析中的关键任务，对于临床诊断和治疗规划具有重

要意义。然而，该任务仍面临多项挑战，包括肿瘤形态的复杂性、模态间信息的不

对齐、以及多模态数据的有效融合等问题，导致现有方法的分割精度和鲁棒性受限。

为此，本文围绕高效分割、空间一致性建模和多模态信息融合，提出了一系列创新

方法。

首先，本文提出了一种轻量级2D脑肿瘤分割网络FuseLiteNet，该模型在保持

高效推理的同时，集成多尺度特征提取与通道注意力机制，以增强对肿瘤区域的感

知能力。此外，优化的网络架构