UConvTrans:全局和局部信息交互的双分支心脏图像分割

李擎, 皇甫玉彬, 李江昀, 杨志方, 陈鹏, 王子涵

UConvTrans:A Dual-Flow Cardiac Image Segmentation Network by Global and Local Information Integration

LI Qing, HUANGFU Yubin, LI Jiangyun, YANG Zhifang, CHEN Peng, WANG Zihan

表3 本文的方法和其他方法在验证集上的比较结果

Tab.3 Comparison of proposed method and advanced methods on validation set

方法 DSC/% 参数量×10-6 计算量×10-9 平均 RV Myo LV U-Net[7] 88.25 86.91 87.17 90.65 34.53 65.55 Attention U-Net[25] 88.52 86.78 86.93 91.84 37.88 66.62 SwinUNet[19] 89.26 86.62 88.72 92.44 27.17 6.14 TransUNet[17] 89.47 87.04 88.51 92.85 105.32 38.57 UConvTrans (C=32,D=32) 89.38 87.12 88.44 92.57 3.65 5.03 UConvTrans (C=32,D=64) 89.60 88.08 88.30 92.41 10.59 12.74