简介：脑肿瘤是大脑细胞异常和不受控制的增长，被认为是神经系统中最具威胁性的疾病之一。根据美国国家脑肿瘤协会（NBTS）的数据，全球每年约有40万人患上脑肿瘤，每年约有12万人死亡，而且这一数字还在逐年增加。 在各种脑肿瘤中，脑胶质瘤是最常见的原发性恶性脑肿瘤，而这类肿瘤的治愈可能性非常小。由于脑胶质瘤具有浸润性生长特点，与周围正常脑组织的边界不够明显，并且脑肿瘤在不同患者中的形状、位置存在巨大的差异，给分割工作带来了显著的挑战。这一分割过程主要依赖于脑部磁共振影像技术（MRI），旨在将脑肿瘤从正常组织中区分开。在医学图像处理中，传统的分割方法通常依赖于人工标注，这种方式不仅耗费精力，分割效率低，并且还可能受到医生的主观判断，导致出现误判的情况。因此，基于深度学习的脑胶质瘤图像分割方法受到了越来越多研究者的关注。为此，我们开发了基于Diff-UNet的脑胶质瘤图像分割系统。