CoT-TransUNet:轻量化的上下文Transformer医学图像分割网络

摘要：

针对以往医学图像分割网络中卷积的感受野太小以及Transformer的特征丢失问题,提出了一种端到端的轻量化上下文Transformer医学图像分割网络(lightweight context Transformer medical image segmentation network,CoT-TransUNet).该网络由编码器、解码器以及跳跃连接三部分组成.对于输入图像,编码器使用CoTNet-Transformer的混合模块,采用CoTNet作为特征提取器来生成特征图.Transformer块则把特征图编码为输入序列.解码器通过一个级联上采样器,将编码后的特征进行上采样.该上采样器级联了多个上采样块,每个上采样块都采用CARAFE上采样算子.通过跳跃连接实现编码器与解码器在不同分辨率上的特征聚合.CoT-TransUNet通过在特征提取阶段采用全局与局部上下文信息相结合的CoTNet;在上采样阶段采用具有更大感受野的CARAFE算子.实现了生成更好的输入特征图,以及基于内容的上采样,并保持轻量化.在多器官分割任务的实验中,CoT-TransUNet取得了优于其他网络的性能.

关键词：医学图像分割、上下文Transformer网络、级联上采样器、轻量化

所属期刊栏目：59

分类号：TP391.4(计算技术、计算机技术)

资助基金：云南省重大科技专项计划202002AD080001

在线出版日期：2023-02-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：218-225