TBConvL-Net：一种混合深度学习架构用于稳健的医学图像分割
原文中文，约400字，阅读约需1分钟。发表于：。本文针对医学图像分割中存在的多尺度特征建模和信息交互问题，提出了一种名为TBConvL-Net的新型混合深度学习架构。该模型结合了卷积神经网络（CNN）和视觉变换器（ViT）的优点，显著提升了分割的稳健性，并在多个医疗影像数据集上展示了优于现有方法的性能。
本文提出了一种基于U-Net网络的扩展，BCDU-Net，用于医学图像分割。该方法充分利用了U-Net、双向ConvLSTM和密集卷积的机制，并通过使用BConvLSTM和密集连接卷积来加强特征传播和特征复用。实验结果表明，在不同的医学图像分割任务上，该方法能够达到最先进的性能。
