UNet-2022：探索非同构架构中的动力学
图像与视频处理
2022-10-28 v1 计算机视觉与模式识别
摘要
近期的医学图像分割模型多为混合架构，其将自注意力与卷积层集成于非同构架构中。然而，这些方法的一个潜在缺陷是未能直观解释此种混合组合方式为何有益，致使后续工作难以在其基础上改进。为解决该问题，我们首先分析了自注意力与卷积的权重分配机制之间的差异。基于此分析，我们提出构建一种并行非同构模块，以简单并行化方式兼具自注意力与卷积的优势。我们将所得 U 形分割模型命名为 UNet-2022。在实验中，UNet-2022 在一系列分割任务上明显优于同类模型，包括腹部多器官分割、自动心脏诊断、神经结构分割与皮肤病变分割，有时以 4% 的优势超越最佳基线。具体而言，UNet-2022 大幅超越当前最受认可的分割模型 nnUNet。这些现象表明 UNet-2022 有潜力成为医学图像分割的首选模型。
引用
@article{arxiv.2210.15566,
title = {UNet-2022: Exploring Dynamics in Non-isomorphic Architecture},
author = {Jiansen Guo and Hong-Yu Zhou and Liansheng Wang and Yizhou Yu},
journal= {arXiv preprint arXiv:2210.15566},
year = {2022}
}
备注
Code is available at https://bit.ly/3ggyD5G