关注下方“PaperAccepted”卡片，每天获取前沿论文解读
论文信息
关注下方“PaperAccepted”卡片，每天获取前沿论文解读
题目：TP-UNet: Temporal Prompt Guided UNet for Medical Image Segmentation
TP-UNet：用于医学图像分割的时间提示引导UNet
作者：Ranmin Wang, Limin Zhuang, Hongkun Chen, Boyan Xu, 和 Ruichu Cai
原文链接：https://arxiv.org/abs/2411.11305
论文创新点
时间提示引导学习：作者提出了一种新颖的框架TP-UNet，该框架利用时间提示来指导UNet模型学习医学图像中的时间信息。这是通过将器官构建关系等时间信息整合到分割模型中实现的，以提高分割的准确性。 语义对齐和模态融合：为了缩小时间提示和图像特征之间的语义差距，作者提出了一个包括语义对齐和模态融合的两阶段过程。这一过程通过无监督对比学习和交叉注意力机制，有效地聚合了时间提示的文本表示和图像表示。 跨注意力机制：在模态融合阶段，作者采用了交叉注意力机制，这允许模型在融合过程中更加关注于相关信息，从而提高了模型对医学图像的理解和分割性能。
摘要
关键字
提示学习 多模态对比学习 医学图像分割
方法
A. 时间提示
B. 多模态编码器
C. 语义对齐
D. 模态融合
四、实验
受限于知识能力，本文对原文的理解可能存在偏差。本文信息旨在传播和学术交流，其内容由作者负责，不代表本号观点。文中作品文字、图片等如涉及内容、版权和其他问题，请及时与作者联系，作者将在第一时间回复并处理。
