ASSNet:用于微肿瘤和多器官分割的自适应语义分割网络
原文中文,约300字,阅读约需1分钟。发表于: 。本研究针对传统变压器在微肿瘤和小型器官分割中局限于局部窗口注意力的问题,提出了自适应语义分割网络(ASSNet)。该网络通过整合局部和全局特征,显著提升了医学图像的分割准确性。实验结果表明,ASSNet在多种医学图像分割任务上均取得了领先表现,具有广泛应用潜力。
本研究提出了UTNet,一种将self-attention集成到卷积神经网络中的混合Transformer体系结构,用于增强医学图像分割。UTNet通过应用self-attention模块和相对位置编码,能够捕捉不同尺度的长程依赖关系,并在心脏磁共振成像中展现出优异的分割性能和鲁棒性。有望在其他医学图像分割中广泛应用。