用于自动医学图像分割的高分辨率 Swin Transformer

特征图的分辨率对医学图像分割至关重要。现有大多数基于 Transformer 的医学图像分割网络均为 U-Net 类架构，包含一个编码器（利用一系列 Transformer 模块将输入医学图像从高分辨率表示转换为低分辨率特征图）和一个解码器（从低分辨率特征图逐步恢复高分辨率表示）。与以往研究不同，本文采用高分辨率网络(HRNet)的设计风格，将卷积层替换为 Transformer 模块，并持续交换由 Transformer 模块生成的不同分辨率特征图之间的信息。本文提出的基于 Transformer 的新网络称为高分辨率 Swin Transformer 网络(HRSTNet)。大量实验表明，在脑肿瘤分割(BraTS) 2021 和来自医学分割十项全能的肝脏数据集上，HRSTNet 可达到与最先进的基于 Transformer 的 U-Net 类架构相当的性能。HRSTNet 的代码将公开于 https://github.com/auroua/HRSTNet。