我们考虑在含有胶质母细胞瘤的MR图像中进行全自动脑肿瘤分割的问题。我们提出了一种三维卷积神经网络（3D MedImg-CNN）方法，该方法在获得高性能的同时具有极高的效率，这是现有方法难以实现的平衡。我们的3D MedImg-CNN是直接在原始图像模式上形成的，因此可以直接从数据中学习特征表示。我们提出了一种新的级联结构，具有两个通路，每个通路都模拟肿瘤中的正常细节。充分利用我们模型的卷积性质还允许我们在一分钟内分割出完整的大脑图像。使用骰子相似系数（DSC）计算了所提出的3D MedImg-CNN和CNN分割方法的性能。2013年、2015年和2017年BraTS挑战数据集的实验；我们发现，我们的方法是文献中最强大的方法之一，同时也非常有效<\/p> “，”DOI“：”10.4018\/ijcini.20211001.oa4“，”type“：”journal-article“，”created“：{”date-parts“：[2022,6,2]，”date-time“：”2022-06-02T14:26:33Z“，”timestamp“：1654179993000}，”page“：“1-17”，”source“：]，“前缀“：”10.4018“，”卷“：”15“，”作者“：[{”ORCID“：”http://\/ORCID.org\/0000-0001-8439-8877“，”authenticated-ORCID“：true，”给定“：”艾哈迈德“，”家族“：”哈拉特“，”sequence“：”first“，”affiliation“：[[{“name”：“Sfax大学，MIRACL实验室ISIMS，突尼斯”}]}，{“given”：“Mahmoud”，“family”：“Neji”，“sequence”：“additional”，“affiliance”：[{“名称”：“斯法克斯大学MIRACL实验室ISIMS，突尼斯“}]}]，“成员”：“2432”，“容器-时间”：[“认知信息学和自然智能国际期刊”]，“原始标题”：[]，“语言”：“ng”，“链接”：[{“URL”：“https:\/\/www.igi-global.com\/viewtitle.aspx？TitleId=285521”，“内容类型”：“未指定”，“content-version”：“vor”，“intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[2023,1,16]]，”date-time“：”2023-01-16T21:48:36Z“，”timestamp“：1673905716000}，”score“：1，”resource“：{primary”：{“URL”：“https:\/\/services.igi-global.com\/resolvedoi\/result.aspx？doi=10.4018\/IJCINI.20211001.oa4”}}，“副标题”：[“”]，“短标题”：[]，“已发布”：{date-parts“：[2022,6,2]]}，“references-count”：0，“journal-issue”：{“issue”：“4”，“published-print”：{“date-part”：[2021,10]]}}，”URL“：”http://\/dx.doi.org\/10.4018\/ijcini.20211001.oa4“，”relation“：{}，‘ISSN’：[”1557-3958“，”1557-3.966“]，”ISSN-type“：[{”value“1557”7-3958“，”type“：”print“}，{“value”：“1557-3966”，“type”：”electronic“}]，“subject”：[]，“published”：{“日期部分“：[[2022,6,2]}}}