MAPUNetR：高效且可解释的医学图像分割混合视觉变换器与 U-Net 架构
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对医学图像分割中的分辨率保持和模型透明性两个关键问题，提出了一种新颖的架构MAPUNetR，它结合了变换器模型与U-Net框架的优势。实验结果显示，MAPUNetR在BraTS 2020数据集上获得了0.88的Dice分数，0.92的Dice系数，表明该模型在临床实践中具有明显的性能优势和潜在影响。
本研究提出了一种新架构MAPUNetR，结合变换器模型与U-Net框架，以解决医学图像分割中的分辨率保持和模型透明性问题。实验结果表明，该模型在BraTS 2020数据集上表现优异。
