levi - unet[2]是一种新的医学图像分割架构，它使用transformer 作为编码器，这使得它能够更有效地学习远程依赖关系。levi - unet[2]比传统的U-Nets更快，同时仍然实现了最先进的分割性能。
levi - unet[2]在几个具有挑战性的医学图像分割基准上取得了比其他法更好的性能，包括Synapse多器官分割数据集(Synapse)和自动心脏诊断挑战数据集(ACDC)。
LeViT-UNet架构
levi - unet的编码器使用LeViT块构建，设计用于高效和有效地学习全局特征。解码器是使用卷积块构建的。
编码器从多个分辨率的输入图像中提取特征映射。这些特征映射被上采样，连接然后通过跳过连接传递到解码器。跳过连接允许解码器从编码器访问高分辨率的局部特征，有助于提高分割性能。
https://avoid.overfit.cn/post/474870d5912d4cb3aeade0b47c1a97e3