摘要
医学图像分割技术在疾病诊断中发挥着重要作用,但是CNN在处理图像时缺乏全局上下文信息,而transformer对于局部信息处理能力相对较弱,这都影响分割任务的准确性.针对这一问题,提出名为localswin的高性能分割网络,在U-Net架构的基础上,编码部分使用swin transformer模块,将反向残差块中所使用的深度卷积引入前馈网络中,增强了对局部特征的提取能力.利用所提出的策略来融合全局和局部特征,提高了模型的性能和效果.在公开的BOT胃切片数据集上评估了所提出的网络.实验结果表明,localswin与其他深度分割模型相比,在分割任务上有更好的效果,对基于切片的分割的准确率达到86.27%.
基金项目
信息探测与处理山西省重点实验室开放基金(2022-001)
NETL
NSTL
维普
万方数据