双解码器与混合 CNN-Transformer ：D-TrAttUnet 在成像分割任务上，超过现有最佳解决方案！

文章预览

在过去的二十年里，医学成像的机器分析发展迅速，为几个重要的医学应用开辟了巨大的潜力。随着复杂疾病的增加和病例数量的增加，基于机器的成像分析的作用变得不可或缺。 它既是医学专家的工具，也是他们的助手，提供有价值的见解和指导。在这个领域尤其具有挑战性的任务是病灶分割，即使对经验丰富的放射科医生来说， 这也是一项具有挑战性的任务。这项任务的复杂性凸显了迫切需要强大的机器学习方法来支持医务人员。作为回应，我们提出了新的解决方案:D TrAttUnet架构。这一框架是基于观察到不同的疾病通常针对特定的器官。我们的架构包括一个编码器-解码器结构与一个复合变压器CNN编码器和双解码器。 编码器包括两条路径:变压器路径和编码器融合模块路径。 双解码器配置使用两个相同的解码器，每个解码器都有注意门。这使 ………………………………