TransLiver: A Hybrid Transformer Model for Multi-phase Liver Lesion Classification
摘要
肝部病灶的早期诊断(FLLs)可以降低肝癌的死亡率,这仍然是一个巨大的挑战。我们设计了一种基于CT的深度学习方法来评估和区分FLLs。
为了实现高精度,我们将不同阶段的CT进行集成,以提供比单阶段图像更多的信息。虽然大多数相关研究使用卷积神经网络,但我们利用Transformer进行多阶段肝部病灶分类。我们提出了一种名为TransLiver的混合模型,该模型具有Transformer骨干和互补的卷积模块。具体来说,我们将修改后的Transformer块与卷积编码器和下采样器连接起来。为了实现多阶段融合,我们利用跨相位令牌来加强各阶段的通信。此外,我们引入了一个预处理单元来解决现实中的注释问题。
代码地址
本文方法
数据集描述
SR由一个k×k的深度卷积组成,步长为k,并且有一个批量归一化。
第四阶段如下所示