77、H-DenseFormer：用于多模态肿瘤分割的高效混合密集连接Transformer

H-DenseFormer：用于多模态肿瘤分割的高效混合密集连接Transformer

1. 引言

精准的肿瘤分割对于癌症进展的定量评估和术前治疗规划至关重要。肿瘤组织在不同成像模态下通常呈现不同特征，例如CT和PET分别有助于呈现肿瘤的形态和代谢信息。在临床实践中，常利用多模态配准图像（如PET - CT图像和不同序列的MR图像）来勾画肿瘤以提高准确性。然而，手动勾画耗时且易出错，不同专业人员之间的一致性较低，因此对能自动从多模态图像中分割肿瘤的智能应用需求迫切。

近年来，多模态肿瘤分割吸引了众多研究者的关注。随着多模态数据集的出现，各种基于深度学习的多模态图像分割方法不断涌现。根据特征融合方式，现有方法大致可分为三类：
- 输入级融合 ：在数据处理或增强阶段，将多模态图像在通道维度上拼接作为网络输入。这种方法适用于大多数现有的端到端模型，如U - Net和U - Net++。但浅层融合会混淆来自不同模态的低级特征，阻碍高级语义的有效提取，导致性能提升有限。
- 决策级融合 ：为每个数据模态训练一个独立的分割网络，并以特定方式融合结果。然而，网络数量与模态数量正相关，会带来大量额外计算。
- 层间融合 ：如HyperDense - Net等方法，主张在网络中间层对多模态特征进行交叉融合。

除了多模态特征融合的进展，提高模型表示能力也是提升分割性能的有效途径。近年来，以多头注意力机制为核心的Transformer结构被引入多模态图像分割任务。大量研究表明，Transformer能够有效建模全局上下文，增强语义表示，促进像素级预测。不过，大