
-
生物通官微
陪你抓住生命科技
跳动的脉搏
G2T:受认知与记忆启发的门控引导Transformer用于医学图像分割
《Scientific Reports》:G2T: Gate guided transformer for medical image segmentation
【字体: 大 中 小 】 时间:2026年10月15日 来源:Scientific Reports 4.9
编辑推荐:
摘要受人类认知过程和记忆能力的启发,本文提出了一种新型视觉Transformer(ViT),称为门控引导Transformer(G2T),用于医学图像分割。G2T解决了视觉Transformer中级联解码块的一个关键局限性,即它们难以保留和传递来自早期阶段的重要信息,这往往导
受人类认知过程和记忆能力的启发,本文提出了一种新型视觉Transformer(ViT),称为门控引导Transformer(G2T),用于医学图像分割。G2T解决了视觉Transformer中级联解码块的一个关键局限性,即它们难以保留和传递来自早期阶段的重要信息,这往往导致后续块的特征解码次优。我们提出的G2T具有:(i) 一种新颖的特征感知解码器(FAD),由三个名为"精炼(Refine)"、"扩展(Expand)"和"生成(Produce)"(REP)的卷积门控组成,分别用于遗忘无关特征、记住相关特征和生成输出特征;(ii) 一种新颖的注意力混合模块,称为LH-RAAM(低分辨率到高分辨率注意力累积模块),它将从编码器块中计算的低层特征到高层特征的注意力进行累积,并与解码器块中计算的注意力聚合,以在编码和解码阶段强调相似特征。在六个医学图像数据集上的评估表明,G2T持续超越现有最先进模型1-3%,在ACDC数据集上取得了94.67%±0.01标准差的平均Dice分数,在Synapse数据集上取得了92.90%±0.02的平均Dice分数。消融研究进一步验证了G2T每个组件的有效性,并证明了其在医学领域之外的强泛化能力。
生物通微信公众号