ABSTRAK
Citra MRI otak secara inheren bersifat tiga dimensi, dan metode segmentasi tradisional sering kali gagal menangkap informasi penting. Untuk mengatasi kompleksitas segmentasi citra MRI glioma otak 3D, kami memperkenalkan NMDAU-Net, jaringan segmentasi 3D ringan berkinerja tinggi. Jaringan ini dibangun di atas arsitektur 3D U-Net dengan mengintegrasikan blok konvolusi terurai 3D yang disempurnakan dan modul perhatian padat (DAM), yang secara signifikan meningkatkan interaksi dan representasi fitur. Menggabungkan modul penghindaran piramida ruang (ASPP) sebagai struktur transisi antara encoder dan decoder semakin melengkapi ekstraksi fitur dan memungkinkan penangkapan informasi semantik yang lebih kaya. Selain itu, modul piramida fitur dua arah berbobot menggantikan koneksi lewati konvensional di 3D U-Net, yang memfasilitasi integrasi fitur multiskala. Model kami dievaluasi pada kumpulan data yang terdiri dari lebih dari 378 citra MRI glioma otak 3D dan mencapai skor Dice sebesar 86,91%. Presisi segmentasi yang ditingkatkan dari NMDAU-Net menawarkan dukungan penting untuk diagnosis yang tepat dan strategi perawatan yang dipersonalisasi serta menjanjikan peningkatan hasil perawatan glioma secara signifikan. Hal ini menunjukkan potensi substansialnya untuk aplikasi klinis dalam meningkatkan prognosis dan tingkat kelangsungan hidup pasien.