【论文阅读笔记】Fibroglandular Tissue Segmentation in Breast MRI using Vision Transformers--A multi-institut

Müller-Franzes G, Müller-Franzes F, Huck L, et al. Fibroglandular Tissue Segmentation in Breast MRI using Vision Transformers–A multi-institutional evaluation[J]. arXiv preprint arXiv:2304.08972, 2023.【代码开放】

本文创新点一般，只做简单总结

【论文概述】

本文介绍了一项关于乳房MRI中纤维腺体组织分割的研究，主要内容是开发并评估了一种基于变压器架构的神经网络模型（TraBS），用于多机构MRI数据中的乳房分割。这项研究显示，TraBS模型在内部和外部验证集上的表现优于现有的基于卷积神经网络的模型（如nnUNet），尤其在处理乳房密度和背景腺体增强（BPE）方面的自动量化评估。研究的目的是提高乳房MRI筛查中乳房密度和腺体增强量化的准确性。

【模型结构】

• 基于Swin UNETR：TraBS是基于Swin UNETR架构构建的，这是一种结合了UNet和Transformer结构的网络，特别适用于医学图像分割任务。
• 非等向核和步幅：在模型的前两个阶段使用了非等向的核和步幅。这种设计保持了深度的恒定，有助于更好地处理图像的空间信息。
• 深度监督：在较低分辨率层添加了深度监督，以提高网络在各个层次上的学习能力和精度。

【数据集和硬件】

本文中使用了两个