DMFF-Net: DeepLabV3をベースとしたマルチスケール特徴融合ネットワークによる皮膚病変セグメンテーション

科学分野:

• 医療画像解析
• コンピューター支援診断
• 皮膚科学

背景:

• 正確な皮膚病変セグメンテーションは、皮膚がんの早期検出に不可欠です。
• 課題には、不明瞭な境界、低いコントラスト、および様々な病変形状が含まれます。
• 既存の方法は、複雑なセグメンテーションタスクに苦労しています。

研究 の 目的:

• マルチスケール、マルチアテンション特徴融合ネットワークであるDMFF-Netを提案すること。
• 医療画像における皮膚病変セグメンテーションの精度を向上させること。
• 現在のセグメンテーション技術の限界に対処すること。

主な方法:

• DeepLabV3アーキテクチャに基づいてDMFF-Netを開発しました。
• 空間チャネル特徴融合のためにGlobal Grid Coordinate Attention Module (GGCAM)を統合しました。
• 堅牢なマルチスケール特徴抽出のためにMulti-Scale Depthwise Separable Dilated Convolution (MDSDC)を採用しました。
• 特徴を洗練し、ノイズを抑制するためにMid-High Level Feature Fusion (MHLFF)を使用しました。

主要な成果:

• DMFF-Netは、ISIC 2016、2017、2018、およびPH2データセットで優れたパフォーマンスを達成しました。
• ISICデータセットで89.31%、91.47%、86.93%のMIoU値を報告しました。
• 最大97.33%の高い精度と最大96.93%のF1スコアを達成し、有効性を示しました。

結論:

• DMFF-Netは、皮膚病変セグメンテーションの精度を大幅に向上させます。
• ネットワークのマルチスケール融合とアテンションメカニズムは、空間的詳細を保持し、特徴表現を強化します。
• DMFF-Netは、皮膚病変の診断および医療画像セグメンテーション研究における貴重なツールとしての可能性を示しています。