U-RWKV: RWKVを用いた正確かつ効率的な体積医療画像セグメンテーション

科学分野:

• 医療画像
• 人工知能
• コンピュータビジョン

背景:

• 正確な体積医療画像セグメンテーションは、臨床応用にとって非常に重要です。
• 従来の畳み込みニューラルネットワーク（CNN）およびTransformerは、3Dデータにおける長距離コンテキストの捉え方と計算効率において限界があります。

研究 の 目的:

• 体積医療画像の効率的かつ正確なセグメンテーションモデルを開発すること。
• 既存の方法におけるグローバルコンテキストの捉え方と計算複雑性の管理に関する限界に対処すること。

主な方法:

• 提案されたのは、線形複雑性のシーケンスモデリング技術であるRWKVです。
• 3Dデータ用の空間シフトと双方向スキャンを備えた、Tri-directional Spatial Enhancement RWKV（TSE-R）ブロックを設計しました。
• TSE-Rブロックに基づいて、エンドツーエンドの3DセグメンテーションネットワークであるU-RWKVを開発しました。

主要な成果:

• U-RWKVは、Synapse多臓器腹部データセットで87.21%のDiceスコアを達成しました。
• このモデルは、最先端のCNNベース、Transformerベース、およびMambaベースの方法を上回りました。
• 主要な方法と比較して、パラメータ数を16.08倍削減しました。

結論:

• U-RWKVは、体積医療画像セグメンテーションにおいて優れたパフォーマンスと効率を示しています。
• 提案されたTSE-Rブロックは、グローバルコンテキストを効果的に捉え、3D空間構造を維持します。
• U-RWKVは、臨床診断、術前計画、および疾患モニタリングに有望なソリューションを提供します。