Neuro-TransUNet: 基于 Transformer 的脑卒中中风 lesion MRI 分割

使用磁共振成像（MRI）准确分割脑卒中中风 lesion 存在诸多困难，主要源于大脑解剖结构的复杂性以及 lesion 的不同属性。本研究引入了 Neuro-TransUNet 框架，融合了 U-Net 的空间特征提取与 SwinUNETR 的全局上下文处理能力，并通过高级特征融合和分割合成技术进一步增强。综合的数据预处理管道提高了框架的效率，包括重采样、偏差校正和数据标准化，从而提升数据质量和一致性。消化学研究确认，U-Net 与 SwinUNETR 的高级集成以及数据预处理管道对性能具有显著影响，证明了该模型的有效性。经过 ATLAS v2.0 训练数据集训练的提出的 Neuro-TransUNet 模型在脑卒中 lesion 分割方面超越了现有的深度学习算法，建立了新的基准。