采用融合ResNet和Transformer的U-Net进行疟疾感染红细胞分割

针对疟疾感染红细胞图像分割模型分割性能不高的问题,提出一种改进的U-Net网络模型,融合ResNet和Transformer。首先编码器部分使用ResNet,加深特征提取网络,以提取更深层次的特征;然后将ResNet输出传入Transformer模块进行目标区域特征的加强;最后通过解码器模块进行特征融合并输出结果。在疟疾显微图像数据集上,本文方法的Dice相似系数、平均交并比、类别平均像素准确率均优于U-Net网络,分别达到了87.40%、76.85%、85.28%。本文方法可以提高疟疾感染红细胞图像的分割精度,为疟疾诊断提供更有效和准确的解决方案。