ViTC-UNet: Modello Ibrido per la Segmentazione di Immagini Mediche

I ricercatori hanno introdotto ViTC-UNet, una nuova architettura che combina Vision Transformers (ViTs) con UNet per la segmentazione semantica adattiva al dominio nell'imaging biomedico. Il modello affronta le lacune prestazionali dei ViT su target sparsi, a struttura fine e con basso rapporto segnale-rumore, condizionando una UNet su rappresentazioni ViT pre-addestrate congelate tramite token apprendibili e un decoder a due vie con attenzione. Questo approccio integra le priorità visive globali dei ViT con il bias induttivo locale e la decodifica ad alta risoluzione delle UNet, evitando il fine-tuning end-to-end. ViTC-UNet supera i baselines su modalità MRI e TC. L'articolo è disponibile su arXiv (2605.16393).