BTCV dataset

Name: BTCV dataset
Creator: figshare
Published: 2025-05-16 07:03:57
License: 暂无描述

DataCite Commons2025-05-16 更新2025-09-08 收录

下载链接：

https://figshare.com/articles/dataset/BTCV_dataset/29077214

下载链接

链接失效反馈

官方服务：

资源简介：

LKDA-Net: 基于大核深度可分离卷积注意力的高效3D医学图像分割模型 LKDA-Net 是一种轻量化的3D医学图像分割网络，通过大核深度可分离卷积注意力（LKD Attention）和跳跃连接融合模块，在降低计算复杂度的同时实现高精度分割。本仓库提供完整的训练、推理及可视化代码。 We propose a lightweight three-dimensional convolutional network, LKDA-Net, for efficient and accurate three-dimensional volumetric segmentation. This network adopts a large-kernel depthwise convolution attention mechanism to simulate the self-attention mechanism of Transformers. Firstly, inspired by the Swin Transformer module, we investigate different-sized large-kernel convolution attention mechanisms to obtain larger global receptive fields, and replace the MLP in the Swin Transformer with the Inverted Bottleneck with Depthwise Convolutional Augmentation to reduce channel redundancy and enhance feature expression and segmentation performance. Secondly, we propose a skip connection fusion module to achieve smooth feature fusion, enabling the decoder to effectively utilize the features of the encoder. Finally, through experimental evaluations on three public datasets, namely Synapse, BTCV and ACDC, LKDA-Net outperforms existing models of various architectures in segmentation performance and has fewer parameters.

LKDA-Net：基于大核深度可分离卷积注意力（Large Kernel Depthwise Convolution Attention，LKD Attention）的高效3D医学图像分割模型 LKDA-Net是一款轻量化三维医学图像分割网络，通过大核深度可分离卷积注意力与跳跃连接融合模块，在降低计算复杂度的同时实现高精度分割。本仓库提供完整的训练、推理及可视化代码。我们提出一款轻量化三维卷积网络LKDA-Net，用于实现高效且精准的三维体数据分割。该网络采用大核深度可分离卷积注意力机制，以模拟Transformer的自注意力机制。首先，受Swin Transformer模块启发，我们探究了不同尺寸的大核卷积注意力机制以获取更大的全局感受野，并将Swin Transformer中的多层感知机（Multi-Layer Perceptron，MLP）替换为带深度卷积增强的倒瓶颈模块，以减少通道冗余、强化特征表达能力与分割性能。其次，我们提出跳跃连接融合模块以实现平滑的特征融合，使得解码器能够有效利用编码器提取的特征。最后，通过在Synapse、BTCV与ACDC三个公开数据集上开展实验评估，LKDA-Net在分割性能上优于各类现有架构的模型，且参数量更为精简。

提供机构：

figshare

创建时间：

2025-05-16

5,000+

优质数据集

54 个

任务类型

进入经典数据集