TY -非盟的傅Xiyao盟——太阳,Zhexian AU - Tang Haoteng盟——邹,埃里克·m . AU -黄恒盟- Wang Yong AU -詹,梁PY - 2023 M3 - TI - 3 d方法双向变压器U-Net医学图像分割乔-在大数据领域你的//www.thespel.com/articles/10.3389/fdata.2022.1080715六世- SN - 2624 - 909 - 5 x N2 -作为一雷竞技rebat个流行的深度学习方法,深卷积神经网络(DCNNs)已广泛采用细分任务,收到积极的反馈。然而,在细分任务,DCNN-based框架以无能应对全球关系在成像特性。尽管提出了许多技术提高全球的DCNN推理,这些模型要么是无法获得令人满意的性能与传统fully-convolutional相比结构或不能使用的基本优势CNN-based网络(即当地推理的能力)。在这项研究中,相比之下,目前试图结合FCNs和全球推理方法,我们充分提取self-attention的能力设计一种新颖的关注3 d计算机制,提出了一种新的分割框架(名为3系统)三维医学图像分割任务。这个新框架在一个端到端的流程图片方式和执行3 d计算在编码器端(包含3 d变压器)和解码器端(这是基于3 d DCNN)。我们测试框架在两个独立的数据集,包括3 d MRI和CT图像。实验结果清楚地表明,我们的方法优于几种先进的分割方法在各种指标。呃- - - - - -