CCAT-NET：一种基于 Transformer 的 COVID-19 肺部病灶分割半监督新框架
图像与视频处理
2022-04-07 v1 计算机视觉与模式识别
摘要
2019 新型冠状病毒病（COVID-19）的蔓延已造成数百万人死亡。从 CT 图像中自动分割病灶可辅助医生进行筛查、治疗和监测。然而，由于数据和模型的限制，从 CT 图像中准确分割病灶极具挑战性。近来，基于 Transformer 的网络在计算机视觉领域备受关注，因为 Transformer 在大量任务上优于 CNN。本工作中，我们提出了一种结合 CNN 与 Transformer 的新型网络结构用于 COVID-19 病灶分割。我们进一步提出了一种高效的半监督学习框架以解决标注数据匮乏的问题。大量实验表明，我们所提网络优于大多数现有网络，且该半监督学习框架在 Dice 系数和灵敏度上分别比基础网络高出 3.0% 和 8.2%。
引用
@article{arxiv.2204.02839,
title = {CCAT-NET: A Novel Transformer Based Semi-supervised Framework for Covid-19 Lung Lesion Segmentation},
author = {Mingyang Liu and Li Xiao and Huiqin Jiang and Qing He},
journal= {arXiv preprint arXiv:2204.02839},
year = {2022}
}