论文学习22：UNETR: Transformers for 3D Medical Image Segmentation

代码来源

unetr

模块作用

具有收缩和扩展路径的全卷积神经网络 (FCNN) 在大多数医学图像分割应用中表现出色，但卷积层的局部性限制了其学习长距离空间依赖性的能力。受 Transformer 在自然语言处理 (NLP) 领域近期在长距离序列学习方面取得的成功的启发，本文引入了一种名为 UNEt Transformers (UNETR) 的全新架构，它利用 Transformer 作为编码器来学习输入体的序列表征，并有效捕捉全局多尺度信息。Transformer 编码器通过不同分辨率的跳跃连接直接连接到解码器，以计算最终的语义分割输出。

模块结构

• Transformer编码器：
  • 将3D图像转换为序列，学习长距离依赖和全局多尺度上下文，确保模型捕捉器官/肿瘤的变异形状和位置。
• CNN解码器：
  • 通过上采样和跳跃连接恢复空间分辨率，融合全局（编码器）和局部（低级特征）信息，生成精确分割图。

总结

本文提出了一种基于Transformer的新型架构，称为UNETR，用于对体积医学图像进行语义分割，并将该任务重新表述为一维序列到序列的预测问题。研究人员提出使用Transformer编码器来增强模型学习长距离依赖关系的能力，并有效地捕捉多尺度的全局上下文表征。研究人员验证了UNETR在CT和MRI模式下不同体积分割任务中的有效性。UNETR在BTCV排行榜的标准赛和自由赛中均取得了多器官分割领域的新最高水平，并在MSD数据集上优于脑肿瘤和脾脏分割的竞争方法。总而言之，UNETR展现出了有效学习医学图像中关键解剖关系的潜力，这个方法可以作为医学图像分析中基于Transformer的新型分割模型的基础。