TP-UNet：面向医学图像分割的时间提示引导 UNet
计算机视觉与模式识别
2024-11-21 v2 人工智能
摘要
深度学习技术，特别是基于 UNet 的方法，推动了医学图像分割技术的进步，这些方法利用语义信息来提高分割精度。然而，当前基于 UNet 的医学图像分割方法忽略了扫描图像中器官的顺序。此外，UNet 固有的网络结构并未提供直接整合时间信息的能力。为了高效整合时间信息，我们提出了 TP-UNet，它利用包含器官构建关系的时间提示来引导分割 UNet 模型。具体而言，我们的框架以基于无监督对比学习的交叉注意力和语义对齐为特色，以有效结合时间提示和图像特征。在两个医学图像分割数据集上的广泛评估证明了 TP-UNet 的最先进性能。我们的实现将在接收后开源。
引用
@article{arxiv.2411.11305,
title = {TP-UNet: Temporal Prompt Guided UNet for Medical Image Segmentation},
author = {Ranmin Wang and Limin Zhuang and Hongkun Chen and Boyan Xu and Ruichu Cai},
journal= {arXiv preprint arXiv:2411.11305},
year = {2024}
}