SwinMM: Masked Multi-view with Swin Transformers for 3D Medical Image Segmentation
发布时间
阅读量：
阅读量
文章目录
摘 要
方 法
实 验 结 果
SwinMM: Masked Multi-view with Swin Transformers for 3D Medical Image Segmentation
摘要
近期，在大规模视觉Transformer技术的发展下，医学图像分割领域的预训练模型已经取得了显著提升。然而，现有诸多方法仍面临主要困境是：大量预训练数据获取任务在医疗领域中面临着巨大挑战。为此研究者们开发出一种创新性的多视图学习框架命名为SwinMM（Masked Multiview with Swin Transformers）。该框架旨在可靠地进行自监督学习任务并实现医学图像分析的有效性与准确性。
该策略充分展现了多视图信息的应用潜力，并主要由两部分构成：第一部分是预训练过程中的核心组件——一个被遮蔽的多视图编码器模型；第二部分则是一个新型代理任务框架
方法
图1. SwinMM概览。Conv-Blocks通过从遮蔽多视图编码器的不同层级提取潜在表示，并对其实施卷式操作以确保其尺寸与对应解码层一致。Up-Blocks则执行反卷式及上采样操作以生成特征图
实验结果
全部评论 (0)
还没有任何评论哟~