基于LeViT-UNet++的医学图像分割：胃肠道数据案例研究
摘要：胃肠道癌被认为是胃肠道器官的致命恶性病变。由于其致命性，迫切需要医学图像分割技术来分割器官以减少治疗时间并增强治疗效果。传统的分割技术依赖于手工特征，计算成本高且效率低下。视觉变换器在许多图像分类和分割任务中获得了广泛的应用。为了从变换器的角度解决这个问题，我们引入了一种混合CNN-变换器架构来分割图像中的不同器官。所提出的解决方案具有强大的鲁棒性、可扩展性和计算效率，Dice和Jaccard系数分别为0.79和0.72。所提出的解决方案还展示了基于深度学习的自动化的本质，以提高治疗的有效性。
作者：Praneeth Nemani, Satyanarayana Vollala
论文ID：2209.07515
分类：Neural and Evolutionary Computing
分类简称：cs.NE
提交时间：2023-02-28