TransUNet demonstrates the capability of transformers in creating strong encoders for medical image segmentation.

不仅兼具Transformers与U-Net的优势，并且其性能超过AttnUNet、V-Net等现有网络。代码已正式开源！（按照这种模式发展下去，TransVNet与TransYOLO之类的新模型预计很快也会出现。随时可能出现。）

注1：文末附【Transformer】和【医疗影像】交流群

注2：整理不易，欢迎点赞，支持分享！

TransUNet: Transformers Generate Powerful Encoders for Medical Image Segmentation

• 作者单位：包括美国约翰霍普金斯大学、电子科技大学以及斯坦福大学等其他知名学府。
  • 代码：Beckschen/TransUNet
  • 论文：https://arxiv.org/abs/2102.04306

医学图像分割构成了医疗保健系统的基础技术支撑（尤其是疾病诊断与治疗方案的设计与实施）。在各类医学图像分割应用领域中，“U型架构”（亦即所谓的U-Net架构）已成为最广泛应用的经典方案，并展现出卓越的效果。然而，在明确建模长距离依赖关系这一关键环节上，“U型架