作为一种非常有潜力的代替MLP的模型，KAN最终获得了学术界极大的关注。在我昨天的博客里，解读了最近的热门模型KAN： 论文阅读KAN: Kolmogorov–Arnold Networks-CSDN博客 KAN的原文作者提到了很多不足。本文算是对其中两个现有不足的回应，也就是:1)KAN不仅只能用于特定结构和深度，2）KAN不仅能用于小规模AI+Science任务，还可以用于更大规模或更复杂

用于医学图像分割的扩散变压器U-Net 摘要： 扩散模型在各种发电任务中显示出其强大的功能。在将扩散模型应用于医学图像分割时，存在一些需要克服的障碍:扩散过程调节所需的语义特征与噪声嵌入没有很好地对齐;这些扩散模型中使用的U-Net骨干网对上下文信息不敏感，而上下文信息在反向扩散过程中对于精确的像素级分割至关重要。 为了克服这些限制，我们提出了一个交叉注意模块来增强源图像的条件反射，以及一个

Title:用于二维医学图像分割的上下文编码器网络 摘要：在医学图像分割领域中，基于UNet已经成为主流的应用框架。但是在UNet结构中连续的池化和跨步卷积操作会导致一些空间信息的丢失。在本文中提出了一个上下文编码器网络（简称为CE-Net） CE-Net主要包含三个主要部分：特征编码器模块，上下文特征提取模块和特征解码器模块。使用预训练的ResNet块作为固定特征提取器。上下文提取模块由新提