摘要

从CT扫描中准确分割肝脏对于有效的诊断和治疗计划至关重要。计算机辅助诊断系统有望提高肝病诊断、疾病进展监测和治疗计划的精确度。为满足这一需求，我们提出了一种新的深度学习方法——PVTFormer，该方法基于预训练的金字塔视觉变换器（PVT v2）并结合了先进的残差上采样和解码块。通过整合精炼的特征通道方法与分层解码策略，PVTFormer通过增强语义特征生成高质量的分割掩模。对所提出的PVTFormer方法在Liver Tumor Segmentation Benchmark (LiTS) 2017数据集上的严格评估表明，我们的架构不仅实现了86.78%的Dice系数和78.46%的平均交并比（mIoU），还获得了3.50的低豪斯多夫距离（HD）。这些结果强调了PVTFormer在设定新的肝脏分割方法前沿基准方面的有效性。所提出的PVTFormer的源代码可在\url{https://github.com/DebeshJha/PVTFormer}获取。