【交叉注意力+医学图像分割】8种创新方案杀疯了，效率表现新SOTA！——附论文+代码
小小欧920:
课代表总结:
1.DCA (基于U-Net架构中加强跳跃连接的新方法)
2.BEFUnet（传统边缘编码器+深度CNN优势结合）
3.CKD-TransBTS（基于临床知识驱动的脑肿瘤分割模型）
4.CSAM（2.5D交叉切片注意机制，前列腺分区分割）
5.ATTENTION SWIN U-NET (用于皮肤病变分割的跨上下文注意力机制)
6.CDA-GAN（注意力引导的跨域肿瘤图像生成模型）
7.DAE-Former（用于医学图像分割的双注意力引导高效转换器）
8.MedSegDiff-v2 (使用Transformer进行基于扩散的医学图像分割)
人工智能 研究生 科技 交叉注意力机制 计算机视觉 医学 创新 深度学习 计算机技术 图像分割
