类型b：学术综述报告

作者及机构
本文由Wenjian Yao（电子科技大学网络与数据安全四川省重点实验室）、Jiajun Bai、Wei Liao（德阳市人民医院妇产科）、Yuheng Chen、Mengjuan Liu（电子科技大学）及Yao Xie（四川省人民医院/电子科技大学医学院）共同完成，发表于2024年3月的《Journal of Imaging Informatics in Medicine》。

主题与背景
本文题为《From CNN to Transformer: A Review of Medical Image Segmentation Models》，系统综述了医学图像分割领域从卷积神经网络（CNN）到Transformer模型的演进，重点分析了七种代表性模型（FCN、U-Net、DeepLab、UNet++、TransUNet、Swin-UNet及Segment Anything Model, SAM）的理论特性与性能表现。医学图像分割是疾病诊断与治疗规划的关键步骤，传统方法依赖人工特征提取，效率与精度受限。深度学习通过自动特征学习显著提升了分割能力，但CNN的长程依赖建模不足，而Transformer的引入进一步优化了全局信息捕获。本文旨在为研究者提供模型选择与优化的参考，并探讨未来挑战。

主要观点与论据

1. 模型架构的演进与特性分析

   • FCN（全卷积网络）：首次实现端到端像素级分类，通过反卷积恢复图像尺寸，但浅层特征利用不足。实验表明，FCN-8s（融合三层特征）性能最优（Dice系数92.89%）。
     
   • U-Net：对称编码器-解码器结构结合跳跃连接，保留多尺度特征，在ISBI 2015细胞分割挑战中表现优异。其变体（如UNet++）通过密集连接进一步优化特征融合。
     
   • DeepLab系列：采用空洞卷积（Dilated Convolution）扩大感受野，V3+版本结合ASPP模块（空洞空间金字塔池化）实现多尺度上下文捕获，ResNet-101骨干网络在肝分割任务中Dice达92.74%。
     
   • Transformer混合模型：
     
     • TransUNet：结合CNN局部特征提取与Transformer全局建模，在肺结核X光分割中Dice达96.45%，但参数量大。
       
     • Swin-UNet：纯Transformer架构，通过窗口注意力降低计算复杂度，但在边缘分割上略逊于混合模型。
       

2. Segment Anything Model (SAM)的突破与局限

   • 零样本迁移能力：SAM基于11亿掩码数据集（SA-1B）训练，支持点、框等交互式提示（Prompt），在卵巢肿瘤分割中框提示Dice达91.82%。
     
   • 局限性：点提示效果不稳定（肺结核分割Dice仅41.79%），需针对性微调。
     

3. 实验验证与性能对比

   • 数据集：涵盖肺结核X光（566例）、肝脏CT（2421例）及卵巢肿瘤CT（4050例），按4:1划分训练集与测试集。
     
   • 评估指标：Dice系数、HD95（95%豪斯多夫距离）、IoU（交并比）等。结果显示：
     
     • 小器官分割：TransUNet在肝脏分割中Dice达96.75%，HD95仅12.28，优于其他模型。
       
     • 病变组织：SAM框提示在卵巢肿瘤分割中表现最佳，但需依赖精准提示设计。
       

4. 挑战与解决方案

   • 标注数据稀缺：通过数据增强（翻转、旋转）和迁移学习缓解。
     
   • 类别不平衡：采用Dice损失函数或注意力机制加权目标区域。
     
   • 异质性外观：多模态融合（如CT与MRI联合）可提升模糊边界的分割精度。
     
   • 过拟合与梯度问题：批归一化（Batch Normalization）、残差连接等技术有效改善。
     

意义与价值
1. 学术价值：首次系统对比CNN与Transformer模型在医学图像分割中的性能，揭示混合架构（如TransUNet）的优越性，为模型设计提供方向。
2. 应用价值：公开实验代码与参数配置（GitHub），助力研究者快速复现与适配新任务。
3. 未来方向：提示工程优化、基础模型（如SAM）的医学领域适配将是研究热点。

亮点
- 全面性：覆盖传统CNN至前沿Transformer模型，结合理论与定量分析。
- 创新性：首次评估SAM在医学图像中的零样本能力，揭示其潜力与局限。
- 实用性：提供可复现的实验框架，推动临床转化研究。