BriefGPT - AI 论文速递
·
CAFCT：卷积神经网络和 Transformer 的上下文和注意力特征融合在肝肿瘤分割中的应用
💡
原文中文，约500字，阅读约需1分钟。
📝
内容提要
我们提出了一种基于上下文和注意力特征融合增强的卷积神经网络（CNN）和Transformer混合网络（CAFCT）模型，用于肝肿瘤分割。实验结果表明，CAFCT在Liver Tumor Segmentation Benchmark（LiTS）数据集上表现优于Pure CNN或Transformer方法。
🎯
关键要点
- 提出了一种基于上下文和注意力特征融合增强的卷积神经网络（CNN）和Transformer混合网络（CAFCT）模型。
- CAFCT模型用于肝肿瘤分割，旨在改善肿瘤边界相关的上下文信息。
- 模型中引入了注意力特征融合（AFF）、DeepLabv3的Atrous空间金字塔池化（ASPP）和注意力门（AGs）三个模块。
- CAFCT在Liver Tumor Segmentation Benchmark（LiTS）数据集上表现优异，平均交并比（IoU）达到90.38%，Dice分数为86.78%。
- CAFCT优于传统的Pure CNN或Transformer方法，如Attention U-Net和PVTFormer。
➡️
