基于稀疏编码解码器的医学图像分割

Transformer 在医学图像分割中取得了显著成功，这归功于其捕捉长程依赖的能力。先前的工作将卷积层整合到 Transformer 的编码器模块中，从而增强了其学习像素间局部关系的能力。然而，由于解码器的空间恢复能力不足，Transformer 可能存在泛化能力有限和鲁棒性降低的问题。为解决此问题，提出了一种基于卷积稀疏向量编码的解码器，即级联多层卷积稀疏向量编码解码器（CASCSCDE），其使用稀疏向量表示编码器提取的特征。为证明我们的 CASCSCDE 的有效性，选用广泛使用的 TransUNet 模型进行演示，并将 CASCSCDE 与 TransUNet 结合以建立 TransCASCSCDE 架构。我们的实验表明，带有 CASCSCDE 的 TransUNet 在 Synapse 基准上显著提升了性能，在 DICE 和 mIoU 分数上分别获得了高达 3.15% 和 1.16% 的提升。CASCSCDE 为构建基于卷积稀疏向量编码的解码器开辟了新途径。