基于Transformer的U型医学图像分割网络综述 |
| |
引用本文: | 傅励瑶,尹梦晓,杨锋.基于Transformer的U型医学图像分割网络综述[J].计算机应用,2023(5):1584-1595. |
| |
作者姓名: | 傅励瑶 尹梦晓 杨锋 |
| |
作者单位: | 1. 广西大学计算机与电子信息学院;2. 广西多媒体通信与网络技术重点实验室(广西大学) |
| |
基金项目: | 国家自然科学基金资助项目(61861004)~~; |
| |
摘 要: | 目前,医学图像分割模型广泛采用基于全卷积网络(FCN)的U型网络(U-Net)作为骨干网,但卷积神经网络(CNN)在捕捉长距离依赖能力上的劣势限制了分割模型性能的进一步提升。针对上述问题,研究者们将Transformer应用到医学图像分割模型中以弥补CNN的不足,结合Transformer和U型结构的分割网络成为研究热点之一。在详细介绍U-Net和Transformer之后,按医学图像分割模型中Transformer模块所处的位置,包括仅在编码器或解码器、同时在编码器和解码器、作为过渡连接和其他位置进行分类,讨论各模型的基本内容、设计理念以及可改进的地方,并分析了Transformer处于不同位置的优缺点。根据分析结果可知,决定Transformer所在位置的最大因素是目标分割任务的特点,而且Transformer结合U-Net的分割模型能更好地利用CNN和Transformer各自的优势,提高模型的分割性能,具有较大的发展前景和研究价值。
|
关 键 词: | 深度学习 卷积神经网络 医学图像分割 U型网络 Transformer |
|