MFS-Unet: 精密な甲状腺結節セグメンテーションのためのマルチパスビジョンマンバネットワーク

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:

• 甲状腺結節の自動セグメンテーションは、臨床診断と治療にとって重要です。
• 甲状腺結節セグメンテーションにおける課題には、境界の不明瞭さ、変動するスケール、ノイズ、および不正確な注釈が含まれます。

研究 の 目的:

• 正確な甲状腺結節セグメンテーションのための新しい医用画像セグメンテーションネットワーク、MFS-Unetを提案すること。
• 結節サイズの変動、背景ノイズ、およびラベルノイズの問題に対処することにより、セグメンテーションパフォーマンスを向上させること。

主な方法:

• グローバルコンテキストとマルチスケール特徴のためのマルチパスビジョンマンバ（MPV）、境界情報の強化のための特徴ゲーティング（FG）、ラベルノイズの処理のための教師ありラベル修正（SLR）の3つの新しいモジュールを組み込んだMFS-Unetを開発しました。
• MPVモジュールは、状態空間モデル（SSM）を利用して、線形計算量で効率的なグローバルコンテキストキャプチャを実現します。
• FGモジュールは、アテンションメカニズムを採用してスキップ接続内の特徴を洗練し、ノイズを抑制して結節境界を強化します。
• SLRモジュールは、損失重みを動的に調整して、ノイズの多いトレーニングラベルに対する堅牢性を向上させます。

主要な成果:

• MFS-Unetは、3つの公開甲状腺超音波データセット（DDTI、TG3K、TN3K）すべてにおいて、評価指標全体で優れたパフォーマンスを示しました。
• 提案されたネットワークは、精度と堅牢性の点で、さまざまな最先端のセグメンテーション手法を上回りました。
• 実験結果は、セグメンテーション精度の向上におけるMPV、FG、およびSLRモジュールの有効性を検証しています。

結論:

• MFS-Unetは、超音波画像からの甲状腺結節の自動セグメンテーションにおいて重要な進歩を提供します。
• このネットワークは、複雑な臨床超音波環境における正確なセグメンテーションに大きな可能性を示しています。
• 革新的なモジュールは、主要なセグメンテーション課題に効果的に対処し、診断ツールの改善への道を開きます。