TransFuse结合Transformers与CNN以医学图像分割为目标

在息肉分割任务中，该方法实现了当前最先进的性能，其表现超越了SETR、PraNet以及ResUNet++等多种模型，处理速度可达到每秒98.7帧！

• 作者单位：Rayicer, 佐治亚理工学院
  • 论文：https://arxiv.org/abs/2102.08005

融合深度特征表达与跳跃连接机制的U-Net卷积神经网络结构，显著增强了医学图像分割任务的执行效果。

本研究聚焦于一个更为复杂的议题，即如何在不损害低层次细节定位能力的前提下，提升全局上下文建模的效率。为此，我们设计了一种创新性的双分支结构TransFuse，该模型通过并行整合Transformer与卷积神经网络的优势，实现了对图像信息的高效处理。

通过采用TransFuse方法，能够以较为简洁的结构高效地提取全局依赖关系以及低层次的空间细节信息。

同时，还设计了一种创新性的