SegKAN

SegKAN模型将医学图像分割精度提高了1.78%

一篇研究论文介绍了一种新颖的模型SegKAN，该模型专为高分辨率医学图像分割而设计，特别适用于CT扫描中的肝脏血管。该模型利用卷积网络结构增强图像嵌入，以减少噪声并防止梯度问题。它还将块之间的空间关系转换为时间关系，解决了传统Vision Transformer模型在捕获位置数据方面的局限性。实验表明，与现有的最先进方法相比，SegKAN的Dice分数提高了1.78%，证明了其在分割长距离物体方面的有效性。