基于Transformer的U型医学图像分割网络综述

作     者：傅励瑶 尹梦晓 杨锋 FU Liyao;YIN Mengxiao;YANG Feng

作者机构：广西大学计算机与电子信息学院南宁530004 广西多媒体通信与网络技术重点实验室(广西大学)南宁530004 

出 版 物：《计算机应用》 (journal of Computer Applications)

年 卷 期：2023年第43卷第5期

页      面：1584-1595页

学科分类：08[工学] 081104[工学-模式识别与智能系统] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金资助项目(61861004)。 

主　　题：深度学习 卷积神经网络 医学图像分割 U型网络 Transformer 

摘      要：目前,医学图像分割模型广泛采用基于全卷积网络(FCN)的U型网络(U-Net)作为骨干网,但卷积神经网络(CNN)在捕捉长距离依赖能力上的劣势限制了分割模型性能的进一步提升。针对上述问题,研究者们将Transformer应用到医学图像分割模型中以弥补CNN的不足,结合Transformer和U型结构的分割网络成为研究热点之一。在详细介绍U-Net和Transformer之后,按医学图像分割模型中Transformer模块所处的位置,包括仅在编码器或解码器、同时在编码器和解码器、作为过渡连接和其他位置进行分类,讨论各模型的基本内容、设计理念以及可改进的地方,并分析了Transformer处于不同位置的优缺点。根据分析结果可知,决定Transformer所在位置的最大因素是目标分割任务的特点,而且Transformer结合U-Net的分割模型能更好地利用CNN和Transformer各自的优势,提高模型的分割性能,具有较大的发展前景和研究价值。