论文标题：A Multi-Branch Hybrid Transformer Networkfor Corneal Endothelial Cell Segmentation

论文链接：https://arxiv.org/abs/2106.07557

作者单位：南方科技大学 & 中国科学院大学 & 悉尼科技大学

表现SOTA！性能优于TransUNet、UNet++等网络，已收录于MICCAI 2021！

角膜内皮细胞分割在量化细胞密度、变异系数和六边形等临床指标方面起着至关重要的作用。然而，角膜内皮的不均匀反射和被摄体的震颤和运动导致图像中的细胞边缘模糊，难以分割，需要更多的细节和上下文信息来解决这个问题。由于局部卷积和连续下采样的感受野有限，现有的深度学习分割方法不能充分利用全局上下文，遗漏了很多细节。本文提出了一种基于transformer和body-edgebranch的Multi-Branch混合Transformer网络（MBT-Net）。首先，我们使用卷积块专注于局部纹理特征提取，并通过Transformer和残差连接建立对空间、通道和层的远程依赖关系。此外，我们使用 body-edge 分支来促进局部一致性并提供边缘位置信息。在自收集数据集 TM-EM3000 和公共 Alisarine 数据集上，与其他 State-Of-The-Art (SOTA) 方法相比，所提出的方法实现了改进。 

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除