Исследование применения блоков сжатия и возбуждения в нейронной сети U-Net для задачи сегментации опухоли головного мозга

Автор(ы): Шумачков А.А.

Выпуск: 121

Рубрика: Информационные технологии в управлении

Год: 2026

Библиография: Шумачков А.А. Исследование применения блоков сжатия и возбуждения в нейронной сети U-Net для задачи сегментации опухоли головного мозга // Управление большими системами. - 2026. - Вып. 121. - С.176-203.

Дата опубликования: 31.05.2026

Ключевые слова: сегментация опухоли головного мозга, магнитно-резонансная томография, U-Net, Squeeze-and-Excitation, медицинская визуализация, глубокое обучение

Аннотация: Рассматривается задача повышения точности автоматической сегментации опухолей головного мозга на магнитно-резонансных изображениях, являющаяся актуальной в контексте повышения объективности и воспроизводимости медицинской диагностики. Предложен подход, основанный на модификации архитектуры нейронной сети типа U-Net путём интеграции блоков сжатия и возбуждения, обеспечивающих адаптивное усиление информативных признаков. Выполнено исследование влияния различных стратегий размещения данных блоков в структуре сети, включая их внедрение до, после и между сверточными слоями, а также вариант без модификации. Обучение моделей проводилось на общедоступном наборе МРТ-изображений опухолей головного мозга с использованием двухэтапной процедуры оптимизации, сочетающей кросс-энтропию и функцию потерь на основе коэффициента Дайса. Экспериментальные результаты показали, что наилучшее качество сегментации достигается при размещении блока перед сверточными операциями, что обеспечивает улучшение полноты выделения опухолевых областей при сохранении высокой точности. Дополнительный анализ устойчивости модели к вариативности данных, включая стратификацию по типам опухолей и исключение отдельных подгрупп, подтвердил стабильность полученных результатов. Предложенная модификация архитектуры может быть использована для повышения эффективности систем медицинской сегментации.

Author(s): Shumachkov A.

Article title: Study of the application of squeeze and excitation blocks in the U-Net neural network for the task of brain tumour segmentation

Issue: 121

Year: 2026

Keywords: brain tumor segmentation, magnetic resonance imaging, U-Net, squeeze-and-excitation, medical imaging, deep learning

Abstract: This paper addresses the problem of improving the accuracy of automatic brain tumor segmentation in magnetic resonance imaging, which is essential for enhancing the objectivity and reproducibility of medical diagnostics. A method based on the modification of the U-Net neural network architecture through the integration of squeeze-and-excitation blocks is proposed to enable adaptive recalibration of feature maps. The study investigates the effect of different strategies for incorporating these blocks into the network structure, including their placement before, after, and between convolutional layers, as well as the baseline configuration without modification. The models were trained on a publicly available dataset of brain tumor MRI images using a two-stage optimization procedure that combines cross-entropy loss and Dice-based loss. The experimental results demonstrate that placing the squeeze-and-excitation block before convolutional operations provides the best segmentation performance, improving tumor region detection completeness while maintaining high accuracy. Additional analysis of model robustness to data variability, including stratification by tumor type and exclusion of specific subgroups, confirms the stability of the obtained results. The proposed architectural modification can be applied to enhance the performance of medical image segmentation systems.