MedNeXt：基于Transformer驱动的卷积网络在医学图像分割中的扩展

近年来，基于Transformer的架构在医学图像分割领域引发了广泛关注。然而，由于缺乏大规模标注的医学数据集，其性能难以达到自然图像处理任务中的水平。相比之下，卷积神经网络具有更强的归纳偏置，因而更容易训练至高性能。近期，ConvNeXt架构尝试通过模仿Transformer模块来现代化传统卷积网络。在本研究中，我们在此基础上进一步优化，提出一种专为数据稀缺的医学场景量身定制的现代化、可扩展卷积架构。我们提出了MedNeXt——一种受Transformer启发的大核卷积分割网络，其主要贡献包括：1）构建了一个完整的3D ConvNeXt编码器-解码器网络，用于医学图像分割；2）引入残差式ConvNeXt上下采样模块，以在多尺度间有效保持语义信息的丰富性；3）提出一种新颖的迭代式核尺寸扩展技术，通过上采样小核网络逐步增大卷积核尺寸，从而避免在有限医学数据下性能的过早饱和；4）在MedNeXt架构中实现多层级复合缩放策略（包括深度、宽度与核尺寸）。该方法在CT与MRI模态的四项任务上均取得了当前最优性能，适用于不同规模的数据集，代表了一种面向医学图像分割的现代化深度神经网络架构。相关代码已公开发布于：https://github.com/MIC-DKFZ/MedNeXt。