换一批
换一批基于Transformer深度学习模型在医学图像分割中的研究进展
Research Progress on Transformer-Based Deep Learning Models for Medical Image Segmentation
摘要：
医学图像的准确分割在现代临床影像检查、精准诊断和治疗规划中意义至关重要.近10年来,卷积神经网络(CNN)凭借其独特的特征提取能力,在医学图像分割领域成绩显著.CNN架构中存在的局部感受野和固有归纳偏置局限,限制其对图像中远程依赖关系的有效建模.近年来,Transformer架构依赖其对全局信息的捕获能力,有助于建模长距离的依赖关系并挖掘语义信息,在生物医学图像分割领域展示出卓越的性能和巨大潜力.在此,对Transformer架构的组成及其在医学图像分割中的应用进行了全面综述,从全监督、无监督和半监督的角度出发,对Transformer架构在医学图像的腹部多器官分割、心脏分割和脑肿瘤分割中的运用价值及性能进行了归纳分析,并对Transformer模型在分割任务中存在的局限不足进行了概括总结,最后对其未来发展趋势及优化路径进行了探讨展望.
更多
作者：
作者单位：
赣南医科大学医学信息工程学院,江西 赣州 341000
[1]
赣南医科大学医学信息工程学院,江西 赣州 341000;赣南医科大学,心脑血管疾病防治教育部重点实验室,江西赣州 341000
[2]
期刊：
《中国生物医学工程学报》2024年43卷4期 467-476页
ISTICPKUCSCD
关键词：
Transformer图像分割卷积神经网络医学图像Transformerimage segmentationconvolutional neural networkmedical image
分类号：
R318
栏目名称：
综述
DOI：
10.3969/j.issn.0258-8021.2024.04.009
发布时间：
2024-09-05
基金项目：
国家自然科学基金
江西省自然科学基金
赣南医科大学科研启动基金
- 浏览：2
- 被引：0
- 下载：1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
