GLANCE：ロバストな結節セグメンテーションのためのコンセンサス融合による連続的なグローバル・ローカル交換

科学分野:

• 医用画像処理
• 人工知能
• コンピュータビジョン

背景:

• 肺がんの早期診断には、コンピューテッドトモグラフィー（CT）スキャンにおける肺結節の正確なセグメンテーションと検出が不可欠です。
• 既存の深層学習モデルは、結節の多様性と、長距離コンテキストと細かい局所的詳細の両方を捉える能力の限界に直面しています。

研究 の 目的:

• GLANCE（Continuous Global-Local Exchange with Consensus Fusion）を導入すること。これは、肺結節検出における限界を克服するために設計された新しいデュアルストリーム深層学習アーキテクチャです。
• CTスキャンにおける同時結節セグメンテーションと中心熱マップ検出の精度を向上させること。

主な方法:

• 並列ブランチを持つデュアルストリームアーキテクチャであるGLANCEを開発しました。グローバルコンテキストトランスフォーマーは長距離依存関係を処理し、マルチ受容野グループ化アトラスミキサーは局所的詳細を処理します。
• クロススケールコンセンサス融合メカニズムを実装し、すべての階層スケールで相補的な特徴ストリームを継続的に統合しました。
• 同時セグメンテーションおよび検出タスクのために、デュアルヘッドピラミッドリファインメントデコーダを使用しました。

主要な成果:

• GLANCEは、4つの公開ベンチマーク（LIDC-IDRI、LNDb、LUNA16、Tianchi）すべてにおいて、肺結節のセグメンテーションと検出の両方で最先端のパフォーマンスを達成しました。
• アブレーションスタディにより、モデルの優れたパフォーマンスに対する各アーキテクチャコンポーネント、特に連続的融合戦略の重要な貢献が検証されました。

結論:

• 提案されたGLANCEアーキテクチャは、グローバルおよびローカルの特徴学習を相乗的に組み合わせることにより、既存モデルの限界を効果的に解決します。
• GLANCEは、自動化された肺結節分析における重要な進歩を表しており、早期肺がん診断のための精度向上を提供します。