UniMedSeg

UniMedSeg 通过上下文学习统一二维/三维医学图像分割

研究人员开发了 UniMedSeg，一个旨在将各种医学图像分割范式统一到单一模型中的新颖框架。这种基于 Transformer 的方法集成了视觉上下文学习、交互式分割和语言引导分割，同时还能无缝处理二维和三维图像。UniMedSeg 利用共享序列空间处理异构标注，并采用解耦注意力机制来高效管理长序列内存。该框架在 27 个公共数据集上进行了测试，在没有特定任务微调的情况下展现了最先进的性能，显示出强大的泛化能力。