TY - JOUR A2 - Peng, Jialin AU - Sun, Qixuan AU - Fang, nian - Liu AU - Liu, Zhuo AU - Zhao, Liang AU - Wen, Youpeng AU - Lin, Hongxiang PY - 2021 DA - 2021/10/01 TI - HybridCTrm:SP - 7467261 VL - 2021 AB -多模态医学图像分割一直是医学图像分割中的一个关键问题。传统的深度学习方法充分利用cnn对给定的图像进行编码，缺乏长期依赖，泛化性能较差。近年来，在图像处理领域出现了一系列基于变换的方法，这些方法在各种任务中具有很好的泛化性和性能。另一方面，传统的cnn有其自身的优势，如快速收敛和局部表示。因此，我们分析了一种基于变压器和cnn的混合多模态分割方法，提出了一种新的结构——HybridCTrm网络。我们使用HybridCTrm在两个基准数据集上进行了实验，并与基于全cnn的网络HyperDenseNet进行了比较。结果表明，我们的HybridCTrm在大多数评价指标上都优于HyperDenseNet。进一步分析了变压器深度对性能的影响。此外，我们将结果可视化，并仔细探索我们的混合方法如何改进分割。 SN - 2040-2295 UR - https://doi.org/10.1155/2021/7467261 DO - 10.1155/2021/7467261 JF - Journal of Healthcare Engineering PB - Hindawi KW - ER -