基于纯Transformer与双层路由注意力的耻骨联合-胎头分割
图像与视频处理
2024-11-15 v3 计算机视觉与模式识别
摘要
本文提出一种名为BRAU-Net的方法，用于解决耻骨联合-胎头分割任务。该方法采用类U-Net的纯Transformer架构，结合双层路由注意力与跳跃连接，有效学习局部-全局语义信息。所提出的BRAU-Net在耻骨联合-胎头分割与进展角（FH-PS-AOP）挑战的经会阴超声图像数据集上进行了评估。结果表明，所提出的BRAU-Net取得了相当的最终分数。代码将发布于 https://github.com/Caipengzhou/BRAU-Net。
引用
@article{arxiv.2310.00289,
title = {Pubic Symphysis-Fetal Head Segmentation Using Pure Transformer with Bi-level Routing Attention},
author = {Pengzhou Cai and Lu Jiang and Yanxin Li and Libin Lan},
journal= {arXiv preprint arXiv:2310.00289},
year = {2024}
}