注意ゲートとマルチスケール空間注意機構を備えた適応型デュアル残差U-Net（ADRUwAMS）

Abstract

膠芽腫（グリオーマ）は有害な脳腫瘍であり、より良い健康結果を得るためには早期発見が必要です。この腫瘍の早期発見は、効果的な治療にとって重要であり、自動化されたセグメンテーション処理を必要とします。しかし、腫瘍の位置や大きさといった腫瘍特性のために腫瘍を見つけることは困難な課題です。腫瘍領域を健常組織から正確に分離するための信頼できる手法は、過去数年で有望な結果を示している深層学習モデルです。本研究では、注意ゲートおよびマルチスケール空間注意機構を備えた適応デュアル残差U-Net（Adaptive Dual Residual U-Net with Attention Gate and Multiscale Spatial Attention Mechanisms; ADRUwAMS）を提案します。このモデルは、適応型デュアル残差ネットワーク、注意機構、マルチスケール空間注意の革新的な組み合わせです。デュアル適応残差ネットワークのアーキテクチャは、脳画像から高レベルの意味情報と、複雑な低レベルの詳細を捉えることで、腫瘍のさまざまな部位、種類、そして困難な領域を精密にセグメントできるようにします。注意ゲートは、ゲーティング信号と入力信号を用いて入力特徴に対する注意係数を計算し、マルチスケール空間注意はスケールされた注意マップを生成して、これらの特徴を組み合わせることで、脳腫瘍に関する最も重要な情報を保持します。本モデルは、ReLU活性化関数を用いて、BraTS 2020およびBraTS 2019のデータセットで200エポック学習しました。これらの改良により、BraTS 2020における腫瘍検出およびセグメンテーションで高い精度が得られ、全腫瘍でダイススコア0.9229、腫瘍核心部で0.8432、造影腫瘍で0.8004を達成しました。