Medical-Transformer

收录理由

医学影像分割常受限于数据量，而多数基于Transformer的分割模型又依赖大规模训练集。这个仓库给出了MICCAI 2021论文的PyTorch实现，包含两种网络：门控轴向注意力U-Net和MedT，并配套LoGo局部-全局训练策略，通过同时学习整图与图像块的特征，让模型在临床数据较少时也能有效训练。仓库里提供了训练与测试脚本，以及conda和pip两种环境配置方式，还说明了如何整理自己的图像和标签目录，所以你可以直接用个人数据重新训练，而不是依赖预训练权重。无论是想复现论文结果，还是单纯想对比轴向注意力与现有U-Net的差异，代码结构都清晰易懂，方便修改和跟踪。