基于Transformer的图像分割研究

针对传统分割模型在医学图像分割中存在梯度消失和分割精度低的问题,该文在Transformer模型的基础上,采用改进的混合损失函数来帮助模型学习样本;同时,在每个跳跃连接过程中引入注意力机制,实现关注显著区域以及抑制无关背景区域的功能。对1251组Brats2021磁共振图像测试集进行分割,并用Dice系数对分割效果进行评估,最终得到的平均Dice系数为0.8821,在一定程度上提高了脑胶质瘤的分割性能。