【医学图像分割】泛读论文系列 1

TransFuse是一种结合Transformer和CNN的并行架构,旨在有效捕捉全局依赖和空间细节,适用于医学图像分割。通过引入BiFusion模块,该方法在多个数据集上实现SOTA性能,同时减少参数数量和提高推理速度。尽管存在改进空间,如优化Transformer效率,但TransFuse为医疗图像处理提供了一个高效的解决方案。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

【医学图像分割】泛读论文系列 1



Title

标题:TransFuse: Fusing Transformers and CNNs for Medical Image Segmentation
作者:Yundong Zhang, Huiye Liu and Qiang Hu
来源:MICCAI 2021
链接https://doi.org/10.1007/978-3-030-87193-2_2

Abstract

提出一种新的并行分支架构-TransFuse。TransFuse以并行的方式组合了Transformer和CNN,其中全局依赖关系和低层空间细节都可以用一种浅显的方式有效捕捉。此外,提出了一种新的融合技术-BiFusion模块,可以有效地融合两个分支的多层次特征。在2D、3D的很多数据集(polyp, skin lesion, hip, and prostate)上取得了SOTA,显著降低了参数,提高了推理速度。

Keyword

Transformer、Fusion、CNN

Core problem

CNN在建模显式long-range关系方面表现出局限性,而现有的解决办法就是依

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值