密集残差 Swin Transformer 用于连续无深度限制超声成像
原文中文,约800字,阅读约需2分钟。发表于: 。通过设计 RDSTN 网络,采用超分辨率技术以克服常规插值方法的限制并实现无关深度的超声图像增强,该网络通过捕捉超声图像固有的非局部特征和长程依赖性,提供了优秀的纹理并在实验中表现出比现有方法更好的性能。
介绍了一种新的多维统一的 Swin Transformer (MDU-ST) 模型,用于肿瘤病灶的 3D 分割。该模型通过三个阶段的训练,能够适应 2D 和 3D 输入,并在同一编码器中学习语义信息。在内部数据集上的评估中,该模型表现出显著改进,可用于自动化的 3D 病灶分割和肿瘤生长建模研究。