基于轴-Transformer的医学图像分割模型Axial-TransUNet.pdfVIP

2024年8月25日现代信息科技Aug.2024

第8卷第16期ModernInformationTechnologyVol.8No.16

DOI:10.19850/ki.2096-4706.2024.16.007

基于轴-Transformer的医学图像分割模型Axial-TransUNet

刘文科，刘琳，韩子逸，张媛媛

（，）

青岛理工大学信息与控制工程学院山东青岛266520

摘要：针对TransUNet中Transformer自注意力机制计算复杂度高、捕获位置信息能力不足的问题，提出一种

基于轴向注意力机制的医学图像分割网络Axial-TransUNet。该网络在保留TransUNet网络编码器、解码器以及跳跃连

接的基础上，使用基于轴向注意力机制的残差轴向注意力块代替TransUNet的Transformer层。实验结果表明，在多

个医学数据集上，相较于TransUNet等其他医学图像分割网络，Axial-TransUNet的Dice系数、交并比IoU有更好的

表现。与TransUNet相比，Axial-TransUNet网络的参数量与浮点运算数（FLOPs）分别降低14.9%和30.5%。可见，

Axial-TransUNet有效降低了模型复杂度，并增强了模型捕获位置信息的能力。

关键词：医学图像分割；卷积神经网络；位置信息；计算复杂度；轴向注意力机制

中图分类号：TP183；TP39文献标识码：A文章编号：2096-4706（2024）16-0028-06

Axial-TransUNetofMedicalImageSegmentationModelBasedonAxis-Transformer

LIUWenke,LIULin,HANZiyi,ZHANGYuanyuan

(SchoolofInformationandControlEngineering,QingdaoUniversityofTechnology,Qingdao266520,China)

Abstract:AmedicalimagesegmentationnetworkAxial-TransUNetbasedonAxialAttentionMechanismisproposedto

addresstheissuesofhighcomputationalcomplexityandinsufficientabilitytocapturepositionalinformationintheTransformer

Self-AttentionMechanisminTransUNet.OnthebasisofretainingtheTransUNetnetworkencoder,decoder,andskip

connections,thisnetworkusesresidualaxialattentionblocksbasedonAxialAttentionMechanismtoreplacetheTransformer

layerofTransUNet.Theexperimentalresultsshowthatcomparedtoothermedicalimagesegmentationnetworkssuchas

TransUNet,AxialTransUNetperformsbetterinDicecoefficientandintersecti