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 操作系统 电气工程
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
Michael完成签到,获得积分20
1秒前
四川知名猛男完成签到 ,获得积分10
1秒前
可爱的函函应助科研通管家采纳,获得100
1秒前
科研通AI2S应助科研通管家采纳,获得10
1秒前
iNk应助科研通管家采纳,获得10
1秒前
2秒前
打打应助科研通管家采纳,获得10
2秒前
2秒前
科研通AI2S应助科研通管家采纳,获得10
2秒前
orixero应助科研通管家采纳,获得10
2秒前
乐乐应助科研通管家采纳,获得10
2秒前
李健应助科研通管家采纳,获得10
2秒前
2秒前
小马甲应助科研通管家采纳,获得10
2秒前
2秒前
欧大大完成签到,获得积分10
3秒前
几时有发布了新的文献求助10
3秒前
4秒前
李健的小迷弟应助cultromics采纳,获得10
5秒前
任性访风完成签到,获得积分10
6秒前
啊嘀哩嘀哩完成签到,获得积分10
6秒前
7秒前
7秒前
汤襄发布了新的文献求助10
7秒前
7秒前
Shalan完成签到,获得积分10
8秒前
旷野天发布了新的文献求助10
8秒前
8秒前
小菜鸡发布了新的文献求助10
9秒前
=======完成签到,获得积分10
9秒前
9秒前
10秒前
10秒前
自然黄豆完成签到,获得积分10
10秒前
薰硝壤应助青岛彭于晏采纳,获得20
10秒前
cdd发布了新的文献求助10
10秒前
wanci应助有余采纳,获得10
10秒前
10秒前
11秒前
土豆丝P完成签到,获得积分10
11秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
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 3101389
求助须知:如何正确求助?哪些是违规求助? 2752795
关于积分的说明 7621022
捐赠科研通 2405111
什么是DOI,文献DOI怎么找? 1276127
科研通“疑难数据库(出版商)”最低求助积分说明 616705
版权声明 599058