-------正文开始--------

Transformer与UNet的结合在近两年已经成为图像分割、生成等任务的标配架构。顶会和相关顶刊持续接收该方向的创新工作。

就发文情况来看，这对组合虽然火了好久，确实竞争激烈，但在轻量化、跨模态适应、3D/视频扩展、可解释性等细分方向还是有不少创新空间的。如果能在特定应用场景中解决现有局限（数据稀缺、模型效率这类），也很容易产出论文。

讲更具体点，比如眼科OCT分割、病理切片分析等数据特征鲜明的垂直领域就是好选择，能凸显方法的针对性。如果你感兴趣，可以先从近期的成果入手！

有论文需求的小伙伴

扫码咨询

TSUBF-Net: Trans-Spatial UNet-like Network with Bi-direction Fusion for Segmentation of Adenoid Hypertrophy in CT

方法：论文提出 TSUBF-Net，一种基于 U 型架构的 3D 医学图像分割框架，融合 Transformer 相关机制与 UNet 结构，通过设计TSP模块增强空间感知能力、BSCF模块优化特征融合，并引入 Sobel 损失项提升分割平滑度与准确性，专门用于解决 CT 图像中腺样体肥大分割边界模糊的问题

创新点：

• 提出基于U型架构的3D分割框架TSUBF-Net，针对性解决CT图像中腺样体肥大的3D分割研究空白。

• 设计TSP模块和BSCF模块，分别强化模型空间感知能力、优化上下采样特征融合，提升分割效果。

• 引入Sobel损失项，结合3D Sobel算子优化损失函数，同时提升分割准确性与结果平滑度。

  

  AgileFormer: Spatially Agile Transformer UNet for Medical Image Segmentation

  方法：论文提出 AgileFormer，一种基于 Transformer+UNet 架构的纯 ViT-UNet 模型，通过引入可变形补丁嵌入、空间动态自注意力（交替邻域多头注意力与可变形多头注意力）及多尺度可变形位置编码，捕捉不同外观目标的特征，适配 2D 和 3D 医学图像分割任务。

  

  创新点：

• 用可变形补丁嵌入替代刚性方形补丁嵌入，适配不同尺寸和形状的目标，弥补自注意力机制在局部特征捕捉上的不足。

• 设计空间动态自注意力模块，交替邻域多头注意力与可变形多头注意力，兼顾局部信息与空间适应性。

• 提出多尺度可变形位置编码，适配不规则采样网格，有效建模 2D/3D 信号的空间相关性，提升模型对异质目标的特征捕捉能力。

  

  HMT-UNet: A hybird Mamba-Transformer Vision UNet for Medical Image Segmentation

  方法：论文提出 HMT-UNet，首次将 SSM 与 Transformer 的纯混合模型应用于医学图像分割，采用 U 形架构，编码器含 MambaVision 的卷积模块与 VSSM 和 Transformer 混合的 MambaVision Mixer 并下采样，解码器整合 MambaVision Mixer、上采样等操作，通过简单加法实现跳跃连接，结合交叉熵和 Dice 损失函数完成分割任务。

  

  创新点：

• 首次将SSM与Transformer的纯混合模型应用于医学图像分割，提出HMT-UNet架构。

• 在多个公共和私有医学图像数据集上开展全面实验，验证了模型的竞争力。

• 为医学图像分割领域的SSM与Transformer混合模型建立基准，为后续相关高效分割方法的研发提供参考。

• 

  方法：论文构建含 711 张 224×224 像素带裂缝标签的数据集，选用 0.5BCE+Dice 损失函数，对 TransUNet、SwinUNet、MTUNet 三种 Transformer 与 UNet 结合的模型，及五种典型 CNN 模型进行训练与评估，通过 IoU、准确率等指标，从精度、计算复杂度和稳定性分析各模型在路面裂缝检测中的性能。

  

  创新点：

• 构建含711张224×224像素的路面裂缝数据集，涵盖多种裂缝类型及阴影、油污等实际干扰因素。

• 将TransUNet、SwinUNet、MTUNet三种Transformer与UNet结合的模型，应用于路面裂缝检测并与五种CNN模型对比。

• 筛选出0.5BCE+Dice最优损失函数，从精度、计算复杂度、稳定性多维度评估，确定SwinUNet为综合性能最优模型。

  

  感谢各位观众的观看和支持，祝大家的论文早日accept！！

  希望论文一路绿灯的朋友可以找我，我有团队，有资源，有背景，一条龙服务~~~~