Transformer在医学图像分割中的研究进展

来源：计算机工程与应用杂志2025年第20期北京时间：

作者：周振霄, 王华, 魏德健, 曹慧, 姜良, 王锡城

单位：山东中医药大学 医学信息工程学院，济南 250355

摘要：随着社会对高精度诊断的需求持续攀升，自动化医学图像分割技术于现代医疗实践中占据着关键地位，尽管卷积神经网络（convolutional neural network，CNN）在医学图像分割方面表现优异，但由于其存在一定局限性，许多学者遂将Transformer引入医学图像分割领域，以弥补CNN在全局上下文学习层面的欠缺。综述了Transformer及其变体结构，并分析了它们在医学图像分割任务中的结合应用。从心脏、大脑、肺部、腹部和其他部位这五个主要分割任务范畴，归纳了基于U-Net以及其他模型相结合的研究进展，指出其在捕捉多尺度特征、提升分割精度以及应对不同解剖结构的复杂性方面所具备的优势。对现有研究工作进行了讨论，未来需再持续深入研究，以促进医学图像分割技术的发展。

关键词：深度学习,Transformer,医学图像分割,卷积神经网络（CNN）