从 CNN 到 Transformer：医学图像分割模型综述

Wenjian Yao; Jiajun Bai; Wei Liao; Yuheng Chen; Mengjuan Liu; Yao Xie

从 CNN 到 Transformer：医学图像分割模型综述

图像与视频处理 2023-08-11 v1 计算机视觉与模式识别机器学习

作者: Wenjian Yao , Jiajun Bai , Wei Liao , Yuheng Chen , Mengjuan Liu , Yao Xie

摘要

医学图像分割是医学图像分析中的重要步骤，尤其是高效疾病诊断与治疗的关鍵前提。使用深度学习进行图像分割已成为普遍趋势。当前被广泛采用的方法是 U-Net 及其变体。此外，随着预训练模型在自然语言处理任务上的显著成功，基于 transformer 的模型如 TransUNet 已在多个医学图像分割数据集上取得令人满意的性能。本文调研了近年来最具代表性的四种医学图像分割模型。我们从理论上分析这些模型的特点，并在两个基准数据集（即肺结核胸部 X 光与卵巢肿瘤）上定量评估其性能。最后，我们讨论了医学图像分割的主要挑战与未来趋势。我们的工作可协助相关领域研究者快速建立面向特定区域的医学分割模型。

关键词

医学图像分割深度学习 CNN Transformer U-Net TransUNet 综述

引用

@article{arxiv.2308.05305,
  title  = {From CNN to Transformer: A Review of Medical Image Segmentation Models},
  author = {Wenjian Yao and Jiajun Bai and Wei Liao and Yuheng Chen and Mengjuan Liu and Yao Xie},
  journal= {arXiv preprint arXiv:2308.05305},
  year   = {2023}
}

备注

18 pages, 8 figures

从 CNN 到 Transformer：医学图像分割模型综述

摘要

关键词

引用

备注

相关论文