ポリープセグメンテーションのためのデュアルドメイン協調ネットワーク

科学分野:

• 医用画像処理
• コンピュータビジョン
• 人工知能

背景:

• 結腸内視鏡検査における正確なポリープセグメンテーションは、大腸がんの早期検出に不可欠です。
• 既存の方法は、不明瞭な境界とスケールの変動に対処するのが難しく、セグメンテーション精度を制限しています。

研究 の 目的:

• ポリープセグメンテーションを改善するための新しいデュアルドメイン協調ネットワーク（DDCNet）を導入すること。
• 境界特徴の最適化とクロスレベル表現の整合性の限界に対処すること。

主な方法:

• 周波数ドメイン特徴を洗練するための周波数コンテキストエンハンスメントモジュール（FCEM）を開発しました。
• 空間ドメイン特徴の整合性のためのクロスレベルシフト再調整融合モジュール（CSFM）を導入しました。
• 境界、クロスエントロピー、および周波数整合性損失を組み合わせたハイブリッド損失関数を設計しました。

主要な成果:

• DDCNetは、3つのベンチマークデータセット（Kvasir SEG、CVC-ClinicDB、CVC-ColonDB）で最先端のパフォーマンスを達成しました。
• Dice係数0.9343、0.9447、0.8155を達成し、既存の方法を1.0％〜1.5％上回りました。
• アブレーションスタディにより、FCEM、CSFM、およびハイブリッド損失関数の有効性が確認されました。

結論:

• DDCNetは、境界特徴とクロスレベルの整合性を強化することにより、ポリープセグメンテーションの精度を効果的に向上させます。
• 提案された方法は、結腸内視鏡検査における自動ポリープ検出に大きな進歩をもたらします。
• ハイブリッド損失関数と新しいモジュールが、優れたセグメンテーションパフォーマンスに貢献しています。