SwinTF3D：基于文本引导的3D医学图像分割

本文介绍了SwinTF3D，这是一种利用视觉和文本信息的3D医学图像分割的新方法。关键创新是将基于Transformer的视觉编码器与文本编码器融合，使模型能够理解自然语言提示并执行文本引导的分割。这解决了现有模型仅依赖视觉数据且缺乏语义理解的局限性，使其能够适应新的领域和临床任务。轻量级设计和效率提升也值得关注。

• •提出了 SwinTF3D，一种用于文本引导的 3D 医学图像分割的多模态融合方法。
• •使用基于 Transformer 的视觉编码器和文本编码器结合视觉和语言表示。
• •通过自然语言提示纳入语义理解，解决了现有模型的局限性。
• •通过轻量级和高效的架构实现具有竞争力的性能。
• •展示了对未见数据的泛化能力，并提供了效率增益。