WiTUnet：一种融合 CNN 和 Transformer 的 U 形架构，用于改善特征对齐和本地信息融合
内容提要
本文介绍了多种基于Transformer的医学图像分割方法，如Swin-Unet、Dilated-UNet和TransUNet。这些方法结合了卷积神经网络和Transformer技术，显著提高了医学图像分割的准确性和效率，尤其在多器官和肿瘤分割任务中表现优异。实验结果显示，这些新框架在多个数据集上超越了传统模型。
延伸解读
CNN与Transformer融合的动机
医学图像分割既需要全局上下文理解，也需要局部细节恢复。CNN擅长提取局部特征，但感受野有限；Transformer能建模长距离依赖，但计算量大且可能丢失细节。因此，将两者结合成为提升分割精度的关键思路，如TransUNet通过Transformer编码器提取全局上下文，再用U-Net解码器恢复局部信息。
不同架构设计的适用场景
文章指出，Transformer编码器在多器官分割中表现更优，因为器官间的空间关系至关重要；而Transformer解码器则更有利于处理小而困难的目标，如肿瘤分割。这意味着在实际应用中，应根据分割任务的特点选择或设计相应的融合架构，而非盲目追求统一模型。
轻量化与高效分割的进展
为降低计算成本，研究者提出了MobileUtr和LUCF-Net等轻量级模型。MobileUtr融合CNN和Transformer优势，在五个公开数据集上验证了优越性，且权重更轻、计算成本更低；LUCF-Net则采用级联融合设计，兼顾高性能与简单结构。这些工作表明，在保持精度的同时实现高效分割是可行方向。
Q&A
Swin-Unet 是什么，它的优势是什么？
Swin-Unet 是一种基于 Transformer 的医学图像分割方法，通过层次 Swin Transformer 提取上下文特征，表现优于传统方法。
Dilated-UNet 如何提高医学图像分割的准确性？
Dilated-UNet 结合了 Dilated Transformer 块和 U-Net 架构，能够快速准确地进行医学图像分割，取得了优异的成果。
TransUNet 在医学图像分割中有什么应用？
TransUNet 结合了 Transformers 和 U-Net，通过编码全局上下文和恢复本地细节信息，实现更精确的分割，适用于多种医学应用。
DS-TransUNet 有哪些创新之处？
DS-TransUNet 框架首次将 Swin Transformer 的优势融入标准 U 形架构，显著提高了医学图像的语义分割质量。
MobileUtr 的设计目标是什么？
MobileUtr 通过融合 CNN 和 Transformer 的优势，实现了高效的医学图像分割，具备更轻的权重和更低的计算成本。
LUCF-Net 的特点是什么？
LUCF-Net 是一种新型轻量级 U 形级联融合网络，结合了 Transformer 和卷积神经网络，具有高性能和简单的模型设计。
