用于医学图像分割的Swin可变形注意力混合U-Net
图像与视频处理
2023-09-28 v2 计算机视觉与模式识别
摘要
医学图像分割是医学图像分析领域的一项关键任务。协调卷积与多头自注意力机制是该领域近期的研究重点，已有多种组合方法被提出。然而，这些混合模型缺乏可解释性是一个普遍缺陷，限制了其在临床场景中的实际应用。为解决此问题，我们提出将移位窗口（Swin）可变形注意力引入混合架构，以在确保可解释性的同时提升分割性能。我们提出的Swin可变形注意力混合U-Net（SDAH-UNet）在解剖与病灶分割任务上均展现出最先进的性能。此外，我们对模型的聚焦区域及其形成方式提供了直接且可视化的解释，使临床医生能更好地理解和信任模型的决策。我们的方法或可成为开发准确且可解释的医学图像分割模型这一挑战的有前景的解决方案。
引用
@article{arxiv.2302.14450,
title = {Swin Deformable Attention Hybrid U-Net for Medical Image Segmentation},
author = {Lichao Wang and Jiahao Huang and Xiaodan Xing and Guang Yang},
journal= {arXiv preprint arXiv:2302.14450},
year = {2023}
}
备注
10 pages, 5 figures, accepted by SIPAIM2023