文献锚点:Hatamizadeh A., Nath V., Tang Y., Yang D., Roth H. R., Xu D. “Swin UNETR: Swin Transformers for Semantic Segmentation of Brain Tumors in MRI Images.” International MICCAI Brainlesion Workshop, Springer, 2021, pp. 272–284. 1
0. 宏观视角:我们到底在解决什么问题?
别急,在拆开这个黑盒之前,我们先问问自己:为什么我们需要 Swin UNETR?
想象你是一位放射科医生,面前摆着一位脑肿瘤患者的四组 MRI 扫描——T1、T1c(增强)、T2、FLAIR。这四组图像就像同一栋建筑的四张不同滤镜照片:有的突出钢筋(增强肿瘤),有的突出墙体水肿,有的突出整体结构。你的任务是,在这四张三维照片里,精确地圈出三个区域:增强肿瘤(ET)、整个肿瘤(WT)、肿瘤核心(TC)。
听起来像高级版的"找不同",对吧?但问题是,肿瘤形状不规则、大小差异巨大,而且 3D 体积数据动辄就是 240 × 240 × 155<
订阅专栏 解锁全文
531





被折叠的 条评论
为什么被折叠?



