DCE-UNet:X線画像における多発性青少年脊髄疾患のためのトランスフォーマーベースの完全自動セグメンテーションネットワーク

科学分野:

• 医療用イメージング
• 人工知能
• 脊椎 疾患

背景:

• 脊髄X線画像のセグメンテーションは 青少年における脊髄疾患の診断に不可欠です
• 現在の方法は複雑な病変形態と多種疾患のシナリオで 精度と適応性を制限しています
• 現存するネットワークは 局所的な詳細と グローバルな構造の理解のバランスをとることができないことがよくあります

研究 の 目的:

• コンピュータによる診断の改善を図るため,新しい,完全に自動化された脊髄分断ネットワークを開発する.
• 青少年における様々な脊髄病変における脊髄画像セグメンテーションの精度,強度,適応性を向上させる.
• 優れた機能抽出と文脈的な理解のために,コンボリューションニューラルネットワーク (CNN) とトランスフォーマーを統合する.

主な方法:

• 脊髄画像セグメンテーションのためのCNNとトランスフォーマーを統合するDCE-UNetを提案しました.
• 軽量なトランスフォーマーモジュールをエンコーダーに組み込み, グローバルな文脈認識を可能にします.
• 機能再構築とマルチスケール融合の改善のために,デコーダーにRec-Blockモジュールを導入した.
• 複雑な病変の表現のためのチャネルと空間的注意を融合させるため,ダウンサンプリングの経路でDCブロックを開発しました.

主要な成果:

• DCE-UNetは,多病データセットで91.3%のダイススコア,84.1のmIoUと4.007のハウズドルフ距離を達成しました.
• このネットワークは,セグメンテーションの精度において,いくつかの最先端の比較ネットワークを上回りました.
• 様々な損傷領域で一貫して優れたパフォーマンスを示し,強い適応性を示しています.

結論:

• DCE-UNetは,多種疾患の青年の脊髄X線セグメンテーションのための堅牢で適応可能なソリューションを提供します.
• 提案されたネットワークは,コンピュータ支援診断における臨床応用に重大な可能性を秘めている.
• CNNとトランスフォーマーを統合することで,既存のセグメンテーション方法の限界を効果的に解決できます.