基于Transformer深度學(xué)習(xí)模型在醫(yī)學(xué)圖像分割中的研究進展

摘要： 醫(yī)學(xué)圖像的準(zhǔn)確分割在現(xiàn)代臨床影像檢查、精準(zhǔn)診斷和治療規(guī)劃中意義至關(guān)重要。近10年來，卷積神經(jīng)網(wǎng)絡(luò)(CNN)憑借其獨特的特征提取能力，在醫(yī)學(xué)圖像分割領(lǐng)域成績顯著。CNN架構(gòu)中存在的局部感受野和固有歸納偏置局限，限制其對圖像中遠程依賴關(guān)系的有效建模。近年來，Transformer架構(gòu)依賴其對全局信息的捕獲能力，有助于建模長距離的依賴關(guān)系并挖掘語義信息，在生物醫(yī)學(xué)圖像分割領(lǐng)域展示出卓...