已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Swin-Unet: Unet-like Pure Transformer for Medical Image Segmentation

计算机科学 编码器 卷积神经网络 变压器 人工智能 分割 深度学习 图像分割 模式识别(心理学) 计算机视觉 工程类 电压 电气工程 操作系统
作者
Hu Cao,Yueyue Wang,Joy Chen,Dongsheng Jiang,Xiaopeng Zhang,Qi Tian,Manning Wang
出处
期刊:Cornell University - arXiv 被引量:535
标识
DOI:10.48550/arxiv.2105.05537
摘要

In the past few years, convolutional neural networks (CNNs) have achieved milestones in medical image analysis. Especially, the deep neural networks based on U-shaped architecture and skip-connections have been widely applied in a variety of medical image tasks. However, although CNN has achieved excellent performance, it cannot learn global and long-range semantic information interaction well due to the locality of the convolution operation. In this paper, we propose Swin-Unet, which is an Unet-like pure Transformer for medical image segmentation. The tokenized image patches are fed into the Transformer-based U-shaped Encoder-Decoder architecture with skip-connections for local-global semantic feature learning. Specifically, we use hierarchical Swin Transformer with shifted windows as the encoder to extract context features. And a symmetric Swin Transformer-based decoder with patch expanding layer is designed to perform the up-sampling operation to restore the spatial resolution of the feature maps. Under the direct down-sampling and up-sampling of the inputs and outputs by 4x, experiments on multi-organ and cardiac segmentation tasks demonstrate that the pure Transformer-based U-shaped Encoder-Decoder network outperforms those methods with full-convolution or the combination of transformer and convolution. The codes and trained models will be publicly available at https://github.com/HuCaoFighting/Swin-Unet.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
1秒前
小鱼鱼完成签到,获得积分10
2秒前
鲤鱼冬灵完成签到,获得积分10
7秒前
10秒前
mia完成签到,获得积分10
10秒前
www发布了新的文献求助10
11秒前
12秒前
就算雨也不会停完成签到 ,获得积分10
12秒前
13秒前
涂涂发布了新的文献求助10
14秒前
Lycux完成签到,获得积分10
17秒前
羅梅子完成签到,获得积分10
18秒前
YikeLizi完成签到 ,获得积分10
23秒前
十七完成签到 ,获得积分10
23秒前
28秒前
28秒前
任性糖豆完成签到,获得积分10
28秒前
30秒前
燊yy发布了新的文献求助10
31秒前
丘比特应助NWNUJI采纳,获得10
32秒前
碳酸芙兰发布了新的文献求助10
34秒前
完美世界应助于冷松采纳,获得10
34秒前
carryxu发布了新的文献求助20
36秒前
36秒前
kkkay完成签到,获得积分10
38秒前
ZYYYY完成签到 ,获得积分20
38秒前
41秒前
44秒前
善学以致用应助123采纳,获得10
45秒前
47秒前
涂涂完成签到,获得积分20
48秒前
49秒前
50秒前
51秒前
田様应助bxb采纳,获得10
51秒前
51秒前
51秒前
叶落孤城完成签到 ,获得积分10
52秒前
Nini1203发布了新的文献求助30
52秒前
52秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
An Introduction to Geographical and Urban Economics: A Spiky World Book by Charles van Marrewijk, Harry Garretsen, and Steven Brakman 600
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3154612
求助须知:如何正确求助?哪些是违规求助? 2805490
关于积分的说明 7864967
捐赠科研通 2463654
什么是DOI,文献DOI怎么找? 1311459
科研通“疑难数据库(出版商)”最低求助积分说明 629611
版权声明 601821