フィードバック・フォーマーを用いた細胞画像セグメンテーションの精度向上

要旨: 顕微鏡の細胞画像の意味論的セマンティックセグメンテーションを深層学習で行うことは重要な技術である。近年、画像認識においてCNNを上回る成果を出してきたTransformerは、細胞画像のセグメンテーションにおいても改良され、発展できるのではないかと考えた。Transformerは、詳細な情報よりも文脈情報により強く注意を向ける傾向がある。この傾向は、セグメンテーションに必要な詳細情報の不足につながる。そこで、失われた詳細情報を補完または強化するために、人の視覚野におけるフィードバック処理が有効であるはずだという仮説を立てた。提案するFeedback Formerは、Transformerをエンコーダとして用い、フィードバック処理メカニズムを備えたセマンティックセグメンテーションのための新しいアーキテクチャである。詳細情報を含む特徴マップを、モデルの出力近傍から低次の層へとフィードバックし、Transformerの弱点である詳細情報の不足を補うことで、セグメンテーション精度を向上させる。3つの細胞画像データセットに対する実験により、本手法はフィードバックなしの手法を上回ることを確認し、細胞画像セグメンテーションにおける優れた精度を示した。本手法は、従来のフィードバック手法よりも計算コストを低く抑えつつ、より高いセグメンテーション精度を達成した。さらに本手法は、単にTransformerエンコーダのモデルサイズを増やすことなく、より高い精度を提供し、低い計算コストで高い精度を実現することを示した。