Pact-Net 双分支网络碾压 SOTA，皮肤癌早筛精度飙升至 86.95%

下图为该模型的图像处理结果： 二、Pact-Net 核心设计拆解：从输入到输出，每一步都藏着巧思 Pact-Net 的整体架构其实很清晰，其实就是一条 "特征提取→特征融合→结果输出" Pact-Net 在三大任务中表现封神 讲完了模型设计，咱们最关心的肯定是：Pact-Net 到底有多厉害？论文在三个医学图像分割任务上做了实验：皮肤病变分割、息肉分割、细胞分割。 再看 ISIC 2016 和 ISIC 2017 数据集： ISIC 2016：Pact-Net 的 T-JAC 达到 84.06%，比第二名高 2.93 个百分点； ISIC 2017：Pact-Net 五、Pact-Net 的局限性与未来方向 虽然 Pact-Net 的性能很惊艳，但它也不是完美的。 如果你对 Pact-Net 感兴趣，强烈建议去读一下原文（论文标题：Pact-Net: Parallel CNNs and Transformers for medical image segmentation