SegDT: 一个用于医学影像的基于扩散Transformer的分割模型

医学图像分割对于许多医疗保健任务至关重要，包括疾病诊断和治疗规划。一个关键领域是皮肤病变分割，这对于诊断皮肤癌和监测患者至关重要。在此背景下，本文介绍了SegDT，一种基于扩散Transformer（DiT）的新型分割模型。SegDT旨在低成本硬件上运行，并融合了Rectified Flow，这在减少推理步骤的同时提高了生成质量，并保持了标准扩散模型的灵活性。我们的方法在三个基准数据集上进行了评估，并与现有的一些工作进行了比较，在保持快速推理速度的同时取得了最先进的结果。这使得所提出的模型在真实世界的医疗应用中具有吸引力。这项工作提升了深度学习模型在医学图像分析中的性能和能力，为医疗专业人员提供了更快、更准确的诊断工具。代码已在https://github.com/Bekhouche/SegDT{GitHub}公开。