# 特征轴注意力

医学影像迁移学习长期沿用自然图像预训练的空间注意力主干，但空间布局先验在跨设备、跨模态时并不可靠。FAD-ViT把全局建模从空间令牌改到通道令牌，用深度卷积单独负责局部空间提取，使两条轴严格解耦。在23个分类、分割与低数据任务上，从零训练时两种轴几乎持平，而同样的ImageNet预训练在特征轴上带来的迁移增益最高约为空间轴的三倍，超声分割Dice由53.1升至77.7，参数量约为对照的四分之一。

医学影像迁移学习长期沿用自然图像预训练的空间注意力主干，但空间布局先验在跨设备、跨模态时并不可靠。FAD-ViT把全局建模从空间令牌改到通道令牌，用深度卷积单独负责局部空间提取，使两条轴严格解耦。在23个分类、分割与低数据任务上，从零训练时两种轴几乎持平，而同样的ImageNet预训练在特征轴上带来的迁移增益最高约为空间轴的三倍，超声分割Dice由53.1升至77.7，参数量约为对照的四分之一。