UCTransNet:从transformer的通道角度重新思考U-Net中的跳跃连接

论文：Brain tumor segmentation with self-ensembled,deeply-supervised 3D U-net neural networks: a BraTS 2020 challenge solution.使用自集成、深度监督的3D U-net神经网络的脑肿瘤分割:BraTS 2020挑战解决方案论文：https://arxiv.org/abs/2011.

[深度学习论文解读] nnU-Net: Breaking the Spell on Successful Medical Image Segmentation（nnU-Net: 破除魔咒，一个成功的医学图象分割技术）Published：2019论文：https://arxiv.org/pdf/1904.08128v1.pdf论文：https://arxiv.org/pdf/1809.10486代码

TransBTSV2: Wider Instead of Deeper Transformer for Medical Image SegmentationTransBTSV2:用于医学图像分割的宽Transformer代替深Transformer

[深度学习论文解读] TransBTS: Multimodal Brain Tumor Segmentation Using Transformer基于Transformer的多模态脑肿瘤分割论文：https://arxiv.org/pdf/2103.04430代码：https://github.com/Wenxuan-1119/TransBTS发表时间：Mar 2021一、基本介绍1.1胶质瘤胶

U型网络大合集

FunASR离线文件转写服务GPU版摘要 FunASR是集语音识别（ASR）、端点检测（VAD）、标点恢复等功能于一体的开源工具包，支持长音频转写、多路并发处理，输出带时间戳和标点的文本。GPU版本通过Docker部署，推荐配置为8核V100/32G内存，支持20路并行请求。服务端集成预训练模型（如Paraformer），提供Python/C++/Java等多语言客户端，支持热词定制与ITN处理。

UCTransNet:从transformer的通道角度重新思考U-Net中的跳跃连接

Swin-Unet: Unet-like Pure Transformer for Medical Image SegmentationSwin-Unet：用于医学图像分割的类Unet纯transformer论文：https://arxiv.org/abs/2105.05537代码：https://github.com/HuCaoFighting/Swin-Unet  得益于深度学习的发展，计算机

RA-UNet: A hybrid deep attention-aware network to extract liver and tumor in CT scansRA-unet：一个混合的深度注意感知网络，用于在CT扫描中提取肝脏和肿瘤Published: ICONIP2019论文：https://arxiv.org/abs/1811.01328代码：https://github.com/