基于Mamba架构的级联多尺度卷积与模态增强脑肿瘤分割方法

本发明公开了基于Mamba架构的级联多尺度卷积与模态增强脑肿瘤分割方法，涉及脑肿瘤技术领域。本发明提出整合MCMS模块的MCME‑UNet模型，通过分层特征提取机制和MEM模块优化的多模态特征融合策略，在保持计算效率的同时显著提升分割精度，特别是EEM模块创新应用Sobel算子与残差连接，使肿瘤边界连续性和分割准确率得到同步提升；且本发明引入焦点Tversky损失函数的新型训练范式，不仅有效解决类别不平衡问题、增强模型对小肿瘤区域的敏感性，还能生成更平滑的分割边界，大幅提升分割结果的稳定性和准确性。