相关实验视频
Updated: Jan 12, 2026
04:48
Swin-PSAxialNet: An Efficient Multi-Organ Segmentation Technique
Published on: July 5, 2024
731
MDFormer:用于3D医疗图像细分的多尺度密度扩展变压器模型
Qiuxia Li1, Haiyue Zhao2, Ying Zhai1
1School of Medical and Information Engineering, Key Laboratory of Prevention and Treatment of Cardiovascular and Cerebrovascular Diseases, Ministry of Education, Jiangxi Provincial Key Laboratory of Tissue Engineering (2024SSY06291), Gannan Medical University, Ganzhou, 341000, China.
Scientific reports
|October 31, 2025
概括
一个新的变压器模型MDFormer通过有效捕获多尺度信息来增强医疗图像细分. 这提高了诊断准确度,同时保持了计算效率.
科学领域:
- 医疗成像医学成像
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 现有的医疗图像细分模型在分辨率限制下,难以处理多尺度信息.
- 需要有效和准确的细分模型来进行临床诊断和治疗.
研究的目的:
- 开发一种新型模型,即多尺度密度扩展变压器 (MDFormer),用于精确的医疗图像细分.
- 克服捕获多尺度信息的局限性,降低计算成本,而不损害准确性.
主要方法:
- 开发了多尺度密度扩展变压器 (MDFormer),结合了多尺度密度扩展自我注意 (MDDSA) 模块.
- MDDSA模块可以动态调整矩阵大小,以进行空间下采样和跨尺度聚合,从而降低计算成本.
- 在ACDC和Synapse数据集上评估模型.
主要成果:
- 在ACDC数据集上获得92.7%的子相似系数 (DSC),在Synapse数据集上达到86.88%.
- MDFormer模型有3770万个参数和4739G的FLOP.
- 通过对T测试,与其他模型相比,细分性能在统计学上有显著的改善.
结论:
- MDFormer模型通过有效利用多尺度信息提取,显著增强了医疗图像细分.
- 该模型显示了各种医疗图像细分任务的有希望的潜力.
- 为基于变压器的医学成像模型的未来进步提供了基础.
