摘要
医学图像分割在计算机辅助诊断中具有重要意义。良好的分割需要模型同时具备宏观视角和精细细节的识别能力，即在保持高空间分辨率的同时学习包含大范围上下文的图像特征。为了实现这一目标，最广泛使用的方法——U-Net及其变体——提取并融合多尺度特征。然而，这些融合后的特征仍然具有较小的“有效感受野”，主要关注局部图像线索，限制了其性能。在本研究中，我们提出了一种基于变压器（transformers）的替代分割框架Segtran，该框架即使在高特征分辨率下也具有无限的“有效感受野”。Segtran的核心是一种新颖的压缩与扩展变压器（Squeeze-and-Expansion transformer）：一个压缩注意力块对变压器的自注意力进行规范化，而一个扩展块则学习多样化的表示。此外，我们还提出了一种新的变压器位置编码方案，为图像施加连续性的归纳偏置。实验在2D和3D医学图像分割任务上进行：包括眼底图像中的视盘/视杯分割（REFUGE'20挑战赛）、结肠镜图像中的息肉分割以及MRI扫描中的脑肿瘤分割（BraTS'19挑战赛）。与现有的代表性方法相比，Segtran始终实现了最高的分割精度，并表现出良好的跨域泛化能力。Segtran的源代码已发布在https://github.com/askerlee/segtran。