ACC-UNet：适用于2020年代的完全卷积UNet模型

本十年以Vision Transformer的引入为标志，这是广泛计算机视觉领域的根本性范式转变。医学影像领域也遵循类似趋势，最具影响力的架构之一UNet已被用transformers重新设计。近来，ConvNext等开创性工作重新研究了卷积模型在视觉中的效力，将ResNet提升至Swin Transformer水平。受此启发，我们旨在改进纯卷积UNet模型，使其能与基于transformer的模型（如Swin-Unet或UCTransNet）相媲美。我们考察了基于transformer的UNet模型的若干优势，主要是长程依赖与跨层级跳跃连接。我们尝试通过卷积操作模拟它们，从而提出ACC-UNet，一种完全卷积的UNet模型，它结合了两者优势：卷积网络固有的归纳偏置与transformer的设计决策。ACC-UNet在5个不同医学图像分割基准上评估，一致优于卷积网络、transformers及其混合模型。值得注意的是，ACC-UNet在dice分数上分别优于最先进模型Swin-Unet和UCTransNet达$2.64 \pm 2.54\%$和$0.45 \pm 1.61\%$，而仅使用其参数的一小部分（$59.26\%$和$24.24\%$）。我们的代码见 https://github.com/kiharalab/ACC-UNet。