SkinFormer：利用变换器学习统计纹理表示进行皮肤损伤分割

本研究解决了从皮肤病变图像中自动分割恶性黑色素瘤的难题，因为纹理表示难以有效融入学习过程中。我们提出了一种新型的变换器网络SkinFormer，通过设计库尔特斯引导的统计计数算子，结合全局注意力机制，高效提取和融合统计纹理表示。实验表明，SkinFormer在多个公开数据集上优于现有方法，能显著提升分割性能。