UNext翻译（UNext基于MLP的医学图像快速分割网络）（有那么一丢丢没看懂）

（发表在miccai期刊）

摘要

近年来，UNet及其最新扩展如TransUNet已成为领先的医学图像分割方法。然而，由于这些网络参数多、计算复杂且使用速度慢，因此不能有效地用于即时护理应用中的快速图像分割。为此，我们提出了一种基于卷积多层感知器(MLP)的图像分割网络UNeXt。我们以一种有效的方式设计了UNeXt，其中包s和潜伏阶段的MLP阶段。我们提出了一个标记化（切片）的MLP块，我们有效地标记和投影（关联）卷积特征，并使用MLP来建模表示。为了进一步提高性能，我们建议在向mlp输入的同时改变输入的通道，以便专注于学习局部依赖关系。在潜在空间中使用标记化mlp减少了参数的数量和计算复杂性，同时能够产生更好的表示来帮助分割。该网络还包括各级编码器和解码器之间的跳过连接。我们在多个医学图像分割数据集上对UNeXt进行了测试，结果表明我们将参数数量减少了72倍，计算复杂度降低了68倍，推理速度提高了10倍，同时也获得了比目前最先进的医学图像分割架构更好的分割性能

(让我通过一个示例来解释什么是MLP（多层感知器）和什么是标记化MLP。

假设我们有一个文本分类任务，我们需要判断一段文本是正面评价还是负面评价。我们使用一个简单的模型来处理这个任务。

1. 普通的MLP：首先，我们考虑一个普通的MLP。在这个模型中，我们将整个文本编码为一个固定大小的向量，然后通过MLP进行分类。例如：

   • 输入：一段文本 "这部电影非常好看！"
   • 预处理：将文本转换为数字序列或词嵌入（例如："这部电影非常好看！" -> [0.2, 0.5, -0.1, 0.8, ...])
   • MLP：将整个向量送入一个MLP，包括一个或多个全连接层，激活函数等。
   • 输出：模型输出正面评价或负面评价。

   在这种情况下，整个文本被视为一个输入，并且MLP将应用于整个输入向量。

2. 标记化MLP：现在，让我们考虑标记化MLP。在这个情况下，我们会将文本分成标记或词语，并且每个标记都会通过相同的MLP层进行独立的处理。例如：

   • 输入：一段文本 "这部电影非常好看！"
   • 预处理：将文本分成标记：["这部", "电影", "非常", "好看", "！"]
   • MLP（标记化）：将每个标记分别送入相同的MLP层。
   • 输出：每个标记都会有一个输出，然后可以对这些输出进行汇总或合并以进行最终的分类决策。

在标记化MLP中，每个标记都会通过相同的MLP进行处理，这意味着MLP的权重和参数是共享的，但它们独立应用于每个标记。这有助于模型更好地捕捉文本中的局部信息和特征，而不仅仅是整个文本的全局信息。

总之，标记化MLP允许模型在处理序列数据时更细粒度地考虑每个标记，而不仅仅是整个序列，这在自然语言处理等任务中非常有用。

)

1 介绍

医学成像解决方案在医疗保健领域的诊断和治疗中发挥了关键作用。医学成像应用中的一个主要任务是分割，因为它对计算机辅助诊断和图像引导手术系统至关重要。在过去的十年中，文献中的许多工作都集中在开发高效和鲁棒的分割方法。UNet[17]是一项具有里程碑意义的工作，它显示了具有跳过连接的编码器-解码器卷积网络对于医学图像分割的效率。近年来，UNet已成为几乎所有主要医学图像分割方法的支柱。继UNet之后，还有一些关键扩展，如unet++ [29]， UNet3+ [13]， 3D UNet [7]， V-Net [16]， Y-Net[15]和KiUNet[21,22]已经被提出。最近，许多基于transformer的网络被提出用于医学图像分割，因为它们学习了对图像的全局理解，这有助于分割。TransUNet[6]将ViT架构[10]修改为用于二维医学图像分割的UNet。其他基于transformer的网络如MedT[20]、TransBTS[25]和UNETR[11]也被提出用于医学图像分割。请注意，上述几乎所有的工作都集中在提高网络的性能上，但没有太多关注计算复杂性、推理时间或参数数量，而这些在许多现实世界的应用中是必不可少的。由于其中大多数用于实验室环境中的分析，因此使用具有高计算能力(如gpu)的机器进行测试。这有助于