FAN-Unet：基于视觉傅里叶分析块增强U-Net用于生物医学图像分割
图像与视频处理
2024-12-02 v1 计算机视觉与模式识别
摘要
医学图像分割是现代医学研究和临床实践中的关键环节。尽管卷积神经网络（CNN）在该领域表现卓越，但其本质上难以捕获图像中的长程依赖关系。相比之下，Transformer在建模全局上下文方面天然擅长，但往往在捕获局部特征方面面临挑战。因此，本文提出FAN-UNet—a一种新型架构，将基于傅里叶分析网络（FAN）的视觉主干与U-Net架构相结合，有效解决生物医学图像分割任务中长程依赖和周期性建模的挑战。所提视觉FAN层集成FAN层和自注意力机制，利用傅里叶分析使模型能够有效捕获长程依赖关系和周期性关系。在various医学影像数据集上的广泛实验表明，FAN-UNet在模型复杂度与性能之间取得了有利的平衡，验证了其在生物医学图像分割任务中的有效性和实用性。
引用
@article{arxiv.2411.18975,
title = {FAN-Unet: Enhancing Unet with vision Fourier Analysis Block for Biomedical Image Segmentation},
author = {Jiashu Xu},
journal= {arXiv preprint arXiv:2411.18975},
year = {2024}
}
备注
arXiv admin note: text overlap with arXiv:2410.02523