PATrans:用于在小规模数据集上对宫核的边缘细分的像素适应变压器
Hexuan Hu1, Jianyu Zhang1, Tianjin Yang1
1Key Laboratory of Water Big Data Technology of Ministry of Water Resources, Hohai University, Nanjing, 211100, PR China; College of Computer and Information, Hohai University, Nanjing, 211100, PR China.
Computers in biology and medicine
|December 7, 2023
概括
像素自适应变压器 (PATrans) 通过自适应调整像素来增强小数据集上的宫核细分. 这种方法克服了有限数据的变压器限制,提高了边缘细分的准确性.
科学领域:
- 医疗图像分析 医学图像分析
- 计算机视觉 计算机视觉 计算机视觉
- 深度学习是一种深度学习.
背景情况:
- 变压器在视觉任务中表现出色,但在小的医疗数据集中却很难处理.
- 有限的核心像素阻碍了变压器模拟局部结构和尺度变化的能力.
研究的目的:
- 提出像素自适应变压器 (PATrans) 改进核边缘细分在小型数据集.
- 解决用于医学成像的变压器模型中的信息丢失和尺度变化问题.
主要方法:
- 开发了连续像素补丁 (CPP) 来嵌入多尺度上下文到图像补丁中,确保尺度不变.
- 引入了像素自适应变压器块 (PATB),用于跨特征图的数据依赖的像素关系建模.
- 通过学习本地特征和全球依赖,实现了无关的像素干扰的自适应性减少.
主要成果:
- 与现有方法相比,PATrans在核边缘细分方面表现优越.
- 该模型有效地处理了尺度变化,并改善了语义一致性.
- 在ISBI和Herlev数据集上的实验验验证了该模型的有效性.
结论:
- 通过自适应调整像素,PATrans显著改善了小数据集上的核细分.
- 拟议的CPP和PATB有效地提高了Transformer在医疗图像分析方面的能力.
- 对于基于变压器的医疗图像细分挑战,PATrans提供了一个有前途的解决方案.
