医学图像领域--Transformer入门路线推荐

本文跟那些长篇大论教你入门的文章大大不同！！

你读了这些文章，对于小白来讲，原理既难又枯燥，读了等于没读，一样不会用。

这里没有枯燥的理论，没有看不懂的术语，因为这些我也不懂！

我能提供的，就是一个入门路线！

Tina姐妙招：先实践，尝到甜头再回过头来看理论

因此，本文分为两个部分，先给大家一些实践案例，跑通之后，再学习我给的理论课程。

实践

本实践教程只需要你有深度学习基础，了解 MOANI 和 pytorch。

1. 使用 Tansformer 分割三维腹部多器官–UNETR架构
   
   网络架构如图所示，不关注中间细节，跟传统的 encoder-decoder（如 UNET）很相似。模型的输入输出跟原来一样，训练方式跟原来一样。

可以简单理解为：只是model换了。不关注model细节，直接盘它。

【使用Tansformer分割三维腹部多器官–UNETR实战】

2. 使用 nnFormer 在三个数据集上进行分割：ACDC数据集，Synapse 多器官 CT 数据集， Brain_tumor数据集
   

这个方法封装的很好，可以先试着跑通，再去研究模型结构。亲测能复现，但是要改一些bug，具体实践参考下面的文章。

【实战】霸榜各大医学分割挑战赛的Transformer架构–nnFormer

3. 使用 Swin Transformers 做CT腹部器官分割。
   
   这是monai0.9版本新更新的架构，展示了使用这种最先进模型的多器官分割示例，使用对来自公开数据集的 5050 次 CT 扫描的 Swin UNETR 编码器（3D Swin Transformer）的自我监督

实现细节在 MOANI swin UNETR

这是医学领域三个经典的架构，如果还不够，可以查看一下综述论文，里面列举了很多不同方向的论文和算法。

4.GitHub上经典总结仓库

awesome-transformers-in-medical-imaging

Awesome_Transformer_for_medical_image_analysis

这两个仓库里面列举了 Survey papers，Medical Image Segmentation，Classification，Reconstruction， Registration，Synthesis， Detection，Clinical Report Generation，and Others

理论

上述实验虽然没有 transformer 基础也可以跑，但是做科研，还是要掌握一些理论基础，才知道如何调参。

理论的讲解我推荐一个免费课程

这个课程我也才学到第三节，已经可以让我看懂transformer代码了，这种培训课的老师不会太过专业化，会用一些让人人都能听懂的比喻来辅助理解。最重要的是，理论完了之后，会手把手带你将理论转成代码。

比如，多头注意力机制，听起来很高大上，什么 q, k, v。但实际就是一个相同维度的向量，互相之间的有一些加减乘除的关系。用代码实现很简单。 再比如 MLP，实际就是几个全连接。 再比如patch emdding，把一个图像切成几个patch, 用一个卷积层就可以做到。

学之后的感悟就是，也不过如此。

课程直接百度：飞桨 AI studio 从零开始学视觉Transformer

文章持续更新，可以关注微信公众号【医学图像人工智能实战营】获取最新动态，一个关注于医学图像处理领域前沿科技的公众号。坚持已实践为主，手把手带你做项目，打比赛，写论文。凡原创文章皆提供理论讲解，实验代码，实验数据。只有实践才能成长的更快，关注我们，一起学习进步~

我是Tina, 我们下篇博客见~

白天工作晚上写文，呕心沥血

觉得写的不错的话最后，求点赞，评论，收藏。或者一键三连