段階分割視覚-言語相互作用による証拠学習駆動の乳房腫瘍セグメンテーション

要旨：乳がんは世界中の女性の死因の中で最も一般的な原因の1つであり、毎年数百万人が亡くなっています。磁気共鳴画像法（MRI）は、腫瘍の形態や内部パターンを特徴づけるさまざまなシーケンスを提供でき、乳房腫瘍の検出と診断に有効なツールとなります。しかし、従来の深層学習ベースの腫瘍分割法は、癌領域と正常領域とのコントラストが低く、境界がぼやけているという課題のため、腫瘍の輪郭を正確に特定することに限界があります。テキストプロンプト情報を活用することは、セグメンテーション領域を境界づけることにより、腫瘍のセグメンテーション効果を改善する可能性を示唆しています。これに触発され、段階分割の視覚-言語相互作用と証拠学習を備えた、テキスト誘導型乳房腫瘍セグメンテーションモデル（TextBCS）を提案します。具体的には、提案された段階分割の視覚-言語相互作用は、ダウンサンプリングの各段階で視覚特徴とテキスト特徴の情報を相互に伝達させ、低コントラスト環境で病変領域の位置特定を補助するために、テキストプロンプトの利点をさらに活用します。さらに、境界のぼやけを考慮して、モデルのセグメンテーション不確実性を定量化するために証拠学習を採用します。それは変分ディリクレットを用いてセグメンテーション確率の分布を特徴づけ、境界のセグメンテーション不確実性に対処します。大規模な実験により、TextBCS が他のセグメンテーションネットワークより優れていることを検証し、公開データセット上で最高の乳房腫瘍セグメンテーション性能を示しています。