用 AI 重新定义膀胱镜检查：使用高效混合 CNN-Transformer 模型进行膀胱癌诊断

膀胱癌位列全球诊断率最高的前十种癌症之一，并且由于高复发率需要终身随访，它也是治疗费用最高的癌症之一。主要的诊断工具是膀胱镜检查，这在很大程度上依赖于医生的专业知识和解读。因此，每年都有大量病例未被诊断或被误诊并作为尿路感染进行治疗。为解决这一问题，我们提出了一种用于膀胱癌检测和分割的深度学习方法，该方法结合了卷积神经网络 (CNNs) 与一种轻量级的无位置编码 Transformer，以及融合自注意力和空间注意力以增强特征的双重注意力门控机制。本文提出的架构高效，适用于需要实时推理的医疗场景。实验证明，该模型解决了膀胱镜成像中平衡计算效率与诊断准确性的关键需求，因为其尽管体积小，但在性能上可与大型模型相媲美。