nnU-Net Revisited

BATS架构提供资源高效的3D医学图像分割

研究人员推出了一种新颖的3D医学图像分割架构BATS（Boundary-Aware Token Selection），旨在提高资源效率。BATS将高分辨率处理集中在预测类别边界附近，并使用边界预测器来识别需要更高细节的区域。这种方法允许同质区域被粗略表示，从而减少内存使用并可能加快推理速度。在公共CT和MRI数据集上的评估表明，BATS在实现具有竞争力的准确性的同时，显著降低了峰值GPU内存并提高了某些数据集上的推理速度。