BAF-UNet: 皮膚病変セグメンテーションのための境界認識セグメンテーションモデル

科学分野:

• 医療画像解析
• コンピュータビジョン
• 皮膚科

背景:

• 正確な皮膚病変セグメンテーションは、効果的な皮膚がんの診断と治療に不可欠です。
• 課題には、曖昧な病変境界、多様な形状、およびさまざまなサイズが含まれ、正確なセグメンテーションを妨げます。

研究 の 目的:

• 境界保持を改善することにより、皮膚病変セグメンテーションのパフォーマンスを向上させること。
• 皮膚病変の端を正確に区切ることができるディープラーニングモデルを開発すること。

主な方法:

• マルチスケール境界認識特徴融合（BFF）と境界認識ビジョン変圧器（BAViT）を統合した境界認識セグメンテーションネットワークであるBAF-UNetを提案しました。
• BAViTは、ローカルおよびグローバルコンテキストをキャプチャするために、MobileViTに境界ガイダンスを組み込んでいます。
• トレーニング中にエッジ精度を優先するために境界に焦点を当てた損失関数を使用し、ISIC2016、ISIC2017、およびPH2データセットで評価しました。

主要な成果:

• BAF-UNetは、ベースラインモデルと比較して、Diceスコアと境界精度が向上したことを示しました。
• BFFおよびBAViTモジュールは、境界の細分化を効果的に強化しました。
• このモデルは、さまざまな形状やサイズの病変にわたって堅牢性を維持しました。

結論:

• BAF-UNetは、特徴融合とトランスフォーマーベースのコンテキストモデリングに境界ガイダンスを正常に統合しました。
• 特に病変の端に沿ったセグメンテーション精度の大幅な改善を達成しました。
• 自動皮膚がん診断における臨床応用のための強力な可能性を示しています。