脑肿瘤作为一种致死率极高的肿瘤疾病,严重危及患者的身体健康,脑肿瘤中不同子区域,如水肿、增强肿瘤、坏死等区域,分别具有不同的预后、治疗及手术价值。磁共振成像(Magnetic Resonance Imaging,MRI)技术,由于其无损伤性、三维成像性、多模成像性等优点,常被用作脑肿瘤诊断、定位、手术等临床过程中。基于三维多模态MRI的脑肿瘤精细分割算法的研究已经成为国内外研究的热点,同时也是临床治疗与医学研究的现实需要。本文主要工作内容有三点。第一、针对传统精细分割算法不能充分利用医学信息、不能与多模态三维影像较好耦合等缺陷,对精细分割算法进行重新设计。依据脑肿瘤内部的结构特点,基于深度学习的经典方法,将脑肿瘤精细分割细化为肿瘤整体(包括肿瘤核心与水肿)分割、肿瘤核心(包括增强肿瘤、非增强肿瘤及坏死)分割、增强肿瘤分割三个部分的级联,提升了系统性能。第二、本文基于三维影像数据稀缺的现状,提出多帧二维深度卷积网络的具体分割方案,进一步提升系统性能。第三、本文就分割结果假阳性点较多、小细胞瘤诊断不理想的缺陷,结合稠密卷积与空洞卷积的思想,进一步改进算法,提出VASPP的网络结构。最终,本文所提算法可实现较高精度的精细分割,在脑肿瘤分割任务中鲁棒性较强,可基本满足临床要求。为分析说明所提算法的性能,本文设计多组对比实验,分别论证了脑肿瘤精细分割任务中级联方案、多帧二维网络方案、VASPP网络结构的性能优势。本文所用数据集来源为BraTS2018,包括多组三维四模态的脑肿瘤MRI数据。