12、医学图像分割与骨折风险预测的创新方法

医学图像分割与骨折风险预测的创新方法

1. TransDeepLab：基于无卷积Transformer的DeepLab v3+

1.1 性能对比

在皮肤病变分割基准测试中，对所提出的方法与当前最先进（SOTA）的方法进行了性能比较，具体结果如下表所示：
| 方法 | ISIC 2017（DSC、SE、SP、ACC） | ISIC 2018（DSC、SE、SP、ACC） | PH2（DSC、SE、SP、ACC） |
| — | — | — | — |
| U - Net | 0.8159、0.8172、0.9680、0.9164 | 0.8545、0.8800、0.9697、0.9404 | 0.8936、0.9125、0.9588、0.9233 |
| Att U - Net | 0.8082、0.7998、0.9776、0.9145 | 0.8566、0.8674、0.9863、0.9376 | 0.9003、0.9205、0.9640、0.9276 |
| DAGAN | 0.8425、0.8363、0.9716、0.9304 | 0.8807、0.9072、0.9588、0.9324 | 0.9201、0.8320、0.9640、0.9425 |
| TransUNet | 0.8123、0.8263、0.9577、0.9207 | 0.8499、0.8578、0.9653、0.9452 | 0.8840、0.9063、0.9427、0.9200 |
| MCGU - Net | 0.8927、0.8502、0.9855、0.9570 | 0.895、0.848、0.986、0.955 | 0.9263、0.8322、0