深度学习论文阅读
文章平均质量分 93
医学图像分割论文
北方骑马的萝卜
一只:码农!
展开
-
论文解读:Attention Is All You Need
谷歌于2017年发布论文《Attention Is All YouNeed》,提出了一个只基于attention的结构来处理序列模型相关的问题,比如机器翻译。相比传统的CNN与RNN来作为encoder-decoder的模型,谷歌这个模型摒弃了固有的方式,并没有使用任何的CNN或者RNN的结构,该模型可以高度并行的工作,相比以前串行并且无法叠加多层、效率低的问题。那么Transorformer可以高度并行的工作,所以在提升翻译性能的同时训练速度也特别快。原创 2023-12-12 17:33:08 · 1918 阅读 · 0 评论 -
TransUNet:变压器成为用于医学图像分割的强大编码器
TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation摘要医学图像分割是开发医疗保健系统(尤其是疾病诊断和治疗计划)的必要先决条件。在各种医学图像分割任务中,u型架构(也称为U-Net)已成为事实上的标准,并取得了巨大的成功。但是,由于卷积运算的固有局部性,U-Net通常在明确建模远程依赖关系方面显示出局限性。设计用于序列到序列预测的变压器已经成为具有先天性全局自注意机制的替代体系结构,但由于底层细节不足,可原创 2021-03-30 14:11:53 · 3236 阅读 · 1 评论 -
UNETR:用于3D图像分割的Transformer
论文:UNETR: Transformers for 3D Medical ImageSegmentation论文地址:https://arxiv.org/pdf/2103.10504.pdf摘要近年来,具有收缩路径和扩展路径(例如,编码器和解码器)的全卷积神经网络(FCNN)在各种医学图像分割应用中表现出突出的地位。在这些体系结构中,编码器通过学习全局上下文表示形式成为一个不可或缺的角色,而此过程中获取的全局上下文表示形式将被解码器进一步用于语义输出预测。尽管取得了成功,但作为FCNN的主要构建模原创 2021-03-30 06:58:52 · 8255 阅读 · 11 评论