SAH分割新SOTA
该模型通过多尺度可变形注意力与跨连接设计，精准建模蛛网膜下腔出血病灶的弥漫分布、尺度多变和边缘不规则特性。
谢伟 · Lianghao, Jin · Shiqi, Hua · 孙皓 · Sun, Bo · 涂志刚 · Liu, Jun
CAAI Transactions on Intelligence Technology 2024
多尺度可变形注意力模块（MSDA）在不同尺度上融合特征，并动态调整每个元素的注意力场，从而生成具有判别力的多尺度特征，有效应对SAH病灶的尺度变化。
跨可变形注意力跳连模块（CDASC）利用编码器特征中的空间细节细化解码器特征，有效建模SAH病灶边缘的不规则性。
在自建SAH-CT数据集和两个公开医学数据集（GlaS和MoNuSeg）上进行了广泛实验，结果表明UDT达到了最先进性能，证明其泛化能力。