周波数空間デュアル知覚ネットワークによる効率的かつ正確な医用画像セグメンテーション

科学分野:

• 医用画像解析
• コンピュータビジョン
• 生体医工学

背景:

• 医用画像解析は、自然画像とは異なる画像取得のため、周波数ドメイン情報を活用することで恩恵を受けます。
• 多様な周波数ドメインから重要な病理学的特徴を抽出することは、医用画像セグメンテーションにおける重要な課題です。
• 既存の手法では、セグメンテーション向上のために周波数ドメイン情報と空間情報を効果的に統合することが困難です。

研究 の 目的:

• 周波数ドメイン情報を効果的に利用する効率的な医用画像セグメンテーションネットワーク、FDE-Netを提案すること。
• 周波数ドメインデータを選択的に処理することにより、識別性の高い病理学的特徴抽出を強化すること。
• マルチスケール空間特徴抽出を改善し、周波数ドメイン特徴とシームレスに統合すること。

主な方法:

• 低周波数情報抽出ブロック（LFIEB）を組み込んだU字型ネットワークであるFDE-Netを開発し、重要な周波数ドメイン特徴を強化しました。
• マルチスケール空間特徴抽出を改善するために、構造的最適化を備えたマルチヘッド知覚視覚状態空間（MPVSS）モジュールを統合しました。
• デコーダーにおける効率的な浅い特徴伝播のために、コンテキストフォーカスアテンション（CFA）モジュールを組み込みました。

主要な成果:

• FDE-NetはISIC-2018データセットでIoU 84.10%、DSC 91.29%を達成し、UNetを上回りました。
• 提案手法は、計算効率を維持しながら、優れたセグメンテーション精度を示しました。
• アブレーション研究により、LFIEBおよびMPVSSモジュールがネットワークのパフォーマンスに大きく貢献していることが確認されました。

結論:

• FDE-Netは、周波数ドメイン情報を効果的に活用し、医用画像セグメンテーションを強化します。
• このネットワークは、セグメンテーション精度と計算効率の間に有望なバランスを示しています。
• FDE-Netは、医用画像解析タスクにおける臨床展開の成功の可能性を示しています。