GCA-ResUNet 用于医学图像分割

本文介绍了 GCA-ResUNet，一种新的医学图像分割框架。它通过结合轻量级的分组坐标注意力 (GCA) 模块来解决现有 U-Net 和基于 Transformer 的方法的局限性。GCA 模块增强了全局表示和空间依赖性捕获，同时保持了计算效率，使其适用于资源受限的临床环境。本文的意义在于它有可能提高分割精度，特别是对于具有复杂边界的小结构，同时为临床部署提供实用的解决方案。

• •提出了 GCA-ResUNet，一个新的医学图像分割框架。
• •采用分组坐标注意力 (GCA) 模块以提高性能。
• •在基准数据集上优于现有的 CNN 和基于 Transformer 的方法。
• •在准确性和计算效率之间提供了良好的权衡。
• •适用于资源受限的临床环境。