2023-05-10计算机应用,JournalofComputerApplications2023,43(5):1584-1595ISSN1001-9081CODENJYIIDUhttp：//www.joca.cn基于Transformer的U型医学图像分割网络综述傅励瑶1，尹梦晓1，2，杨锋1，2*（1.广西大学计算机与电子信息学院，南宁530004；2.广西多媒体通信与网络技术重点实验室（广西大学），南宁530004）（∗通信作者电子邮箱fyang@foxmail.com）摘要：目前，医学图像分割模型广泛采用基于全卷积网络（FCN）的U型网络（U-Net）作为骨干网，但卷积神经网络（CNN）在捕捉长距离依赖能力上的劣势限制了分割模型性能的进一步提升。针对上述问题，研究者们将Transformer应用到医学图像分割模型中以弥补CNN的不足，结合Transformer和U型结构的分割网络成为研究热点之一。在详细介绍U-Net和Transformer之后，按医学图像分割模型中Transformer模块所处的位置，包括仅在编码器或解码器、同时在编码器和解码器、作为过渡连接和其他位置进行分类，讨论各模型的基本内容、设计理念以及可改进的地方，并分析了Transformer处于不同位置的优缺点。根据分析结果可知，决定Transformer所在位置的最大因素是目标分割任务的特点，而且Transformer结合U-Net的分割模型能更好地利用CNN和Transformer各自的优势，提高模型的分割性能，具有较大的发展前景和研究价值。关键词：深度学习；卷积神经网络；医学图像分割；U型网络；Transformer中图分类号：TP183文献标志码：ATransformerbasedU-shapedmedicalimagesegmentationnetwork：asurveyFULiyao1，YINMengxiao1，2，YANGFeng1，2*（1.SchoolofComputer，ElectronicsandInformation，GuangxiUniversity，NanningGuangxi530004，China；2.GuangxiKeyLaboratoryofMultimediaCommunicationsandNetworkTechnology（GuangxiUniversity），NanningGuangxi530004，China）Abstract:U-shapedNetwork（U-Net）basedonFullyConvolutionalNetwork（FCN）iswidelyusedasthebackboneofmedicalimagesegmentationmodels，butConvolutionalNeuralNetwork（CNN）isnotgoodatcapturinglong-rangedependency，whichlimitsthefurtherperformanceimprovementofsegmentationmodels.Tosolvetheaboveproblem，researchershaveappliedTransformertomedicalimagesegmentationmodelstomakeupforthedeficiencyofCNN，andU-shapedsegmentationnetworkscombiningTransformerhavebecomethehotresearchtopics.AfteradetailedintroductionofU-Neta...
