6165cc金沙总站检测中心院讯（通讯员：刘晓）近日，人工智能领域国际权威期刊Information Fusion在线发表我院学术论文“CSWin-UNet: Transformer UNet with Cross-Shaped Windows for Medical Image Segmentation”。6165cc金沙总站检测中心为该论文第一署名单位，2022级研究生刘晓为论文第一作者，高鹏副教授为论文通讯作者。Information Fusion最新影响因子为14.7，是中科院一区TOP及JCR一区期刊，在计算理论领域排名2/143，在人工智能领域排名4/197，具有极高的影响力和声誉。

在医学图像分割领域，卷积神经网络和Transformer架构受到了广泛关注，并取得了令人瞩目的成果。然而，单纯的基于卷积神经网络的分割方法存在固有的归纳偏置，限制了它们在更复杂、更多变的分割场景中的有效性。相反，基于Transformer的方法在获取全局和长距离语义信息方面具有优势，但是却面临着很高的计算需求。为此，论文提出了新的U型医学图像分割方法CSWin-UNet。该方法将CSWin Transformer自注意力机制集成到UNet中，以实现水平和垂直条纹的自注意力。此外，论文所提出方法在解码器中引入内容感知特征重组算子，该算子根据预测的核策略性地重组特征，以精确恢复图像分辨率。通过对不同医学图像分割数据集的广泛评估表明，CSWin-UNet在保持低模型复杂性的同时，提供了高分割精度。

全文链接：https://doi.org/10.1016/j.inffus.2024.102634

该研究得到了中国博士后科学基金和6165cc金沙总站检测中心科研基金的资助支持。