Khái niệm cốt lõi
提案されたGLFNetは、医用画像セグメンテーションのための新しいトランスフォーマースタイルのアーキテクチャであり、従来のTransformerモデルの欠点を軽減し、以前の最先端アーキテクチャの性能を上回ることができます。
Tóm tắt
GLFNetは、医用画像セグメンテーションにおいて、頻度ドメインでグローバルとローカルな情報を組み合わせることで正確かつ効率的な処理を行います。このモデルは、局所近傍領域への帰納バイアスを提供するために地域とグローバルな特徴空間を組み合わせて学習します。これにより、3つのベンチマークデータセットで高度なセグメンテーション結果が得られます。また、同じモデルパラメータ数でもGFLOPS数が半分であることから、GLFNetは同等のパフォーマンスおよび効率性において最先端Fully Convolutional Transformerを上回ります。
Thống kê
GLFNetは18.7G FLOPSであり、以前の最先端FCT(28.7G FLOPS)よりも性能だけでなく効率性でも優れています。
Trích dẫn
GLFNet outperforms all existing baselines across the ACDC and BraTS19 datasets.
GLFNet (18.7G FLOPS) outperforms the previous state-of-the-art FCT (28.7G FLOPS) in terms of both performance, as well as efficiency when both models contain similar parameters.