スリムUNETRV2:リソースが限られた医療機器のための3D画像セグメンテーション

科学分野:

• 医療用イメージング
• コンピュータ・ビジョン
• 人工知能

背景:

• 医療用ポータブルデバイスには 高精度,スピード,低推論ジッターが必要です.
• ハイブリッドの注意に基づくセグメンテーションモデルは 精度を向上させながらも 複雑性を高め 速度を低下させます
• 資源の限られた環境での実用的な展開は,複雑なモデルにとって困難です.

研究 の 目的:

• スリムUNETRV2を提案し,医療画像セグメンテーションのための簡素化されたフレームワークを作成する.
• リソースが限られている医療機器の実行時間と推論の緊張を減らすために.
• 高速の動作を維持しながらセグメンテーションの精度を向上させる.

主な方法:

• UNETRV2フレームワークのエンコーダーとデコーダーの両方で基本的なコンボリューション操作を使用しました.
• スリムUNETRV2ブロックを各階層のスキップ接続に組み込みました.
• 提案されたブロックを通じて抽出された表現を集約し,グローバル処理を改善しました.

主要な成果:

• スリムUNETRV2は,最先端のモデルと比較して,精度,速度,推論ジッターにおいて優れたパフォーマンスを示した.
• BraTS 2021データセットで93.89%のサイズの精度と2.90 mmのHD95を達成しました.
• 推論ジッターが0.225ミリ秒で,SegMambaよりも16.7倍速い.

結論:

• Slim UNETRV2は,リソースが限られたデバイスでの医療画像セグメント化のための効果的なソリューションです.
• 簡素化されたフレームワークは,高速化と推論ジッターの減少と高い精度をバランスします.
• 提案されたモデルは,現実世界の医療アプリケーションの 実践的な展開を容易にする.