LUCF-Net：用于医学图像分割的轻量级U型级联融合网络
图像与视频处理
2024-04-12 v1 计算机视觉与模式识别
机器学习
摘要
在本研究中，通过添加Transformer增强了现有U型神经网络架构在医学图像分割中的性能。尽管Transformer架构在提取全局信息方面功能强大，但由于其高复杂度，其捕获局部信息的能力有限。为应对这一挑战，我们提出了一种用于医学图像分割的新型轻量级U型级联融合网络（LUCF-Net）。它采用非对称结构设计，并融合了局部和全局模块以增强其局部和全局建模能力。此外，设计了一个多层级联融合解码网络，以进一步增强网络的信息融合能力。在CT格式的多器官数据集、MRI格式的心脏分割数据集以及图像格式的皮肤病学数据集上取得的验证结果表明，所提出的模型在处理局部-全局信息方面优于其他最先进的方法，在多器官分割上Dice系数提升了1.54%，豪斯多夫距离提升了2.6毫米。此外，作为一个结合了卷积神经网络和Transformer架构的网络，它仅需693万个参数和6.6千兆次浮点运算即可实现有竞争力的分割性能，且无需预训练。总之，与其它基于Transformer的分割网络相比，所提出的方法在保持更简单模型设计的同时，展现了更优的性能。
引用
@article{arxiv.2404.07473,
title = {LUCF-Net: Lightweight U-shaped Cascade Fusion Network for Medical Image Segmentation},
author = {Songkai Sun and Qingshan She and Yuliang Ma and Rihui Li and Yingchun Zhang},
journal= {arXiv preprint arXiv:2404.07473},
year = {2024}
}