基于多尺度卷積調(diào)制的醫(yī)學(xué)圖像分割

摘要： 當(dāng)前，越來越多的醫(yī)學(xué)圖像分割模型都采用Transformer模型作為基礎(chǔ)結(jié)構(gòu)，然而，Transformer模型的計(jì)算復(fù)雜度與輸入序列呈二次關(guān)系且需要大量的數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練才能取得較好的結(jié)果，在數(shù)據(jù)量不足的情況下無法發(fā)揮優(yōu)勢；此外，Transformer往往無法有效提取圖像的局部信息.相比于Transformer，卷積神經(jīng)網(wǎng)絡(luò)則能夠很好地規(guī)避上述兩個問題.為了充分發(fā)揮卷積神經(jīng)網(wǎng)絡(luò)與... （共13頁）