SDC-Net：ウェーブレット誘導注意機構を備えた浅深協調ネットワークによる多クラス糖尿病網膜症セグメンテーションの強化

科学分野:

• 眼科学
• 医用画像処理
• コンピュータビジョン

背景:

• 糖尿病網膜症（DR）は、世界的に失明の主な原因です。
• DRのスクリーニング、グレーディング、モニタリングには、眼底病変の正確なセグメンテーションが不可欠です。
• 多様なDR病変の同時セグメンテーションは、形状、サイズ、外観のばらつきにより、大きな課題となっています。

研究 の 目的:

• 4種類の糖尿病網膜症病変の同時セグメンテーションのための新しいフレームワークを開発および評価すること。
• 様々な特性を持つ複数のDR病変のセグメンテーションの課題に対処すること。

主な方法:

• ウェーブレット誘導注意機構を備えた浅深協調ネットワーク（SDC-Net）を提案しました。
• このフレームワークは、浅層ネットワークと深層ネットワークを統合し、マルチスケール特徴抽出を強化します。
• トレーニングの精度と堅牢性を向上させるために、超解像度補助タスクが組み込まれました。

主要な成果:

• SDC-Netは、IDRiD、DDR、FGADRデータセットでそれぞれ60.27%、39.98%、42.57%の平均Diceスコアを達成しました。
• 平均Intersection over Union (IoU) スコアは、データセット全体で44.53%、25.71%、28.58%でした。
• 平均ROC曲線下面積 (AUC) 値は68.75%、57.37%、64.21%に達しました。

結論:

• 二分岐設計とウェーブレット注意モジュールは、マルチスケール特徴を効果的に捉え、病変の詳細抽出を強化します。
• 超解像度タスクは、DR病変セグメンテーションにおける精度と堅牢性の向上に貢献しました。
• SDC-Netは、複数の眼底病変の正確なセグメンテーションを通じて、DRの臨床診断を強化する可能性を示しています。