融合多尺度特征的医学图像分割模型

摘要：

近年来,Vision Transformer(ViT)成了医学图像分割中受欢迎的新范式,并且在定量指标上超过了CNN同类方法.ViT的显著优点是建立全局联系,但是同时它也缺乏CNN对于局部信息的归纳能力.此方法利用CNN对于局部信息的归纳能力和ViT对于全局关系的归纳能力分别进行特征提取,通过特征融合模块将全局信息和局部信息进行融合,使得模型能够学习到更加鲁棒的特征.此方法在前列腺数据集上取得了比传统方法更高的准确率,表明了其在医学图像分割任务中的有效性.

关键词：深度学习、医学图像分割、Transformer、神经网络

所属期刊栏目：19

分类号：TP393(计算技术、计算机技术)

资助基金：自然科学基金项目;科技部重点研发项目;上海市重大科技项目;长江学者奖励计划及中央高校基本科研业务费等项目

在线出版日期：2023-05-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：35-37