TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation

• 类型：arxiv
• 标识：2102.04306
• 链接：https://arxiv.org/abs/2102.04306
• 主题：llm-infra
• 主分类：multimodal
• 形态：method
• 被引：6199
• 被引来源：Semantic Scholar
• S2被引：6199
• OpenAlex被引：3935
• 影响力被引：826
• TLDR：It is argued that Transformers can serve as strong encoders for medical image segmentation tasks, with the combination of U-Net to enhance finer details by recovering localized spatial information.
• OpenAlex ID：W3127751679
• OpenAlex DOI：10.48550/arxiv.2102.04306
• DOI：10.48550/arxiv.2102.04306
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://arxiv.org/pdf/2102.04306
• OpenAlex更新：2026-08-24
• 待LLM分类：否
• 成熟度：research
• 场景：medical imaging、semantic segmentation、transformer encoder
• 标题中文：TransUNet: Transformers 作为医学图像分割的强大编码器
• TLDR中文：文章论证了 Transformers 可作为医学图像分割任务的强大编码器，并通过与 U-Net 结合，恢复了局部空间信息以增强更精细的细节。
• 来源文件：
• [OpenAlex discover]
• [S2 enrich]