轴向注意力变换器网络：乳腺癌检测的新范象
图像与视频处理
2024-09-20 v1 人工智能
计算机视觉与模式识别
机器学习
摘要
本文聚焦于医学图像分割领域的挑战与进展，尤其是乳腺癌诊断。作者提出一种新型基于变换器的分割模型，旨在解决传统卷积神经网络 (CNN，如 U-Net) 在准确局部化和分割乳腺癌图像中小病灶方面的局限性。该模型引入轴向注意力机制，以增强计算效率并解决 CNN 常忽视全局上下文信息的问题。此外，本文讨论了针对小数据集挑战的改进措施，包括整合相对位置信息和引入门控轴向注意力机制以细化模型对相关特征的关注。该提出模型旨显著提高乳腺癌图像的分割准确度，为计算机辅助诊断提供更高效、更有效的工具。
引用
@article{arxiv.2409.12347,
title = {Axial Attention Transformer Networks: A New Frontier in Breast Cancer Detection},
author = {Weijie He and Runyuan Bao and Yiru Cang and Jianjun Wei and Yang Zhang and Jiacheng Hu},
journal= {arXiv preprint arXiv:2409.12347},
year = {2024}
}