脑胶质瘤为最常见的原发性颅脑肿瘤，恶性程度高。即使采用放化疗、手术切除等最为积极的治疗，脑胶质瘤的中位生存期仍只有10-14个月。脑胶质瘤已成为严重危害生命健康的重大难治性脑肿瘤，对其早期诊断和精准治疗具有重要临床意义。自动分割脑胶质瘤磁共振图像能定位病变组织，为治疗方案的制定和预后预测提供量化和直观的参考。但是，由于脑胶质瘤形状和位置多变，结构复杂且强度不均匀。因此，脑胶质瘤磁共振图像的自动分割极具挑战性。文章提出了一种新的深层多任务学习的脑胶质瘤自动分割框架，该框架增加了一个基于V-Net的距离变换解码器，使掩模解码器生成的分割区域轮廓更精确；同时为了结合两个解码器的不同任务，加权并添加了对应的损耗函数。实验结果表明了该框架的有效性，为脑胶质瘤的个性化精准诊疗提供了新思路和新方法。

据悉，这是今年赖小波教授团队本科生以第一作者发表的第三篇SCI检索期刊论文，此前2017级医学信息工程专业本科生金尧和2018级医学信息工程专业本科生张文博先后在《Computers in Biology and Medicine》期刊（影响因子3.434）和《International Journal of Imaging Systems and Technology》期刊（影响因子1.925）发表了学术论文。近年来，赖小波教授团队围绕“健康中国”国家重大发展战略，坚持“从临床问题到科学研究再反馈到临床应用”这一基本科学理念，将临床诊疗工作中遇到的问题进行研究，再将研究成果应用于临床诊疗工作，以期加强多学科的交叉融合，构建基础研究和临床应用双向转化的桥梁，让研究成果更快、更好地服务并应用于临床实际。