TransClaw U-Net：结合 Transformer 的 Claw U-Net 用于医学图像分割
计算机视觉与模式识别
2021-07-13 v1 人工智能
机器学习
图像与视频处理
摘要
近年来，计算机辅助诊断已成为一个日益热门的话题。基于卷积神经网络的方法在医学图像分割与分类中取得了良好性能。由于卷积操作的局限性，长程空间特征往往无法被准确获取。因此，我们提出了一种 TransClaw U-Net 网络结构，其在编码部分将卷积操作与 transformer 操作相结合。卷积部分用于提取浅层空间特征，以便于上采样后恢复图像分辨率。transformer 部分用于对图像块进行编码，并利用自注意力机制获取序列间的全局信息。解码部分保留了底层的上采样结构，以获得更好的细节分割性能。在 Synapse 多器官分割数据集上的实验结果表明，TransClaw U-Net 的性能优于其他网络结构。消融实验也证明了 TransClaw U-Net 的泛化性能。
引用
@article{arxiv.2107.05188,
title = {TransClaw U-Net: Claw U-Net with Transformers for Medical Image Segmentation},
author = {Yao Chang and Hu Menghan and Zhai Guangtao and Zhang Xiao-Ping},
journal= {arXiv preprint arXiv:2107.05188},
year = {2021}
}
备注
8 page, 3 figures