SATr：用于通用病灶检测的切片注意力 Transformer

计算机断层扫描中的通用病灶检测（ULD）在计算机辅助诊断中起着至关重要的作用。多切片输入检测方法通过建模来自多个相邻 CT 切片的 3D 上下文已报告了有前景的 ULD 结果，但此类方法仍难以在不同切片之间及每个单独切片内部获得全局表示，因为它们仅使用基于卷积的融合操作。本文中，我们提出一种新颖的切片注意力 Transformer（SATr）模块，其可轻松插入基于卷积的 ULD 骨干网络以形成混合网络结构。这种新形成的混合骨干可通过 Transformer 模块中级联的自注意力机制更好地建模长距离特征依赖，同时仍凭借原骨干中卷积操作保持强大的局部特征建模能力。与五种最先进方法的实验表明，所提出的 SATr 模块可在无额外超参数或特殊网络设计的情况下近乎免费地提升病灶检测精度。