5、Transformer 驱动的医学图像分割：精准应对标注偏差

Transformer 驱动的医学图像分割：精准应对标注偏差

在医学图像分割领域，标注偏差是一个常见且影响分割准确性的问题。不同标注者的偏好和随机误差会导致标注结果存在差异，进而影响模型的训练和分割效果。为了解决这一问题，提出了一种基于 Transformer 的注解偏差感知（TAB）医学图像分割模型。

1. TAB 模型概述

TAB 模型主要由三部分组成：
- CNN 编码器 ：用于图像特征提取。
- 偏好特征提取（PFE）模块 ：生成偏好聚焦特征。
- 随机分割（SS）头 ：进行分割预测。

其整体框架如下：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A(输入图像):::process --> B(CNN 编码器):::process
    B --> C(高维低分辨率特征图):::process
    C --> D(PFE 模块):::process
    D --> E(偏好聚焦特征):::process
    E --> F(SS 头):::process
    F --> G(元分割图和标注者特定分割图):::process

2. 各组件详细介绍

2.1 CNN 编码器

采用在 ImageNet 上