ParaTransCNN: Parallelisierter TransCNN-Encoder für die medizinische Bildsegmentierung

Verfahren auf Basis von Faltungsneuronalen Netzen (Convolutional Neural Networks, CNNs) sind aufgrund ihrer herausragenden Leistungsfähigkeit zunehmend populär für die Segmentierung medizinischer Bilder. Dennoch erweisen sie sich als weniger geeignet, langreichweitige Abhängigkeiten zu erfassen, die entscheidend für die präzise Modellierung globaler kontextueller Korrelationen sind. Durch ihre Fähigkeit, langreichweitige Abhängigkeiten durch Erweiterung des Rezeptivfelds zu modellieren, haben Transformer-basierte Ansätze an Bedeutung gewonnen. Inspiriert durch diese Entwicklung stellen wir eine erweiterte 2D-Featureextraktionsmethode vor, die die Architekturen von CNNs und Transformers kombiniert. Genauer gesagt führen wir eine parallele Encoder-Struktur ein, wobei ein Zweig zur Extraktion lokaler Informationen aus Bildern ein ResNet verwendet, während der andere Zweig einen Transformer zur Erfassung globaler Informationen nutzt. Zudem integrieren wir pyramidenförmige Strukturen in den Transformer, um globale Informationen auf unterschiedlichen Auflösungsstufen zu extrahieren, insbesondere in anspruchsvollen Vorhersageaufgaben. Um die unterschiedlichen Informationen in der parallelen Encoder-Struktur im Dekodierungsstadium effizient zu nutzen, verwenden wir ein Kanal-Attention-Modul, um die Features des Encoders zu fusionieren und diese über Skip-Verbindungen und Bottlenecks zu propagieren. Umfassende numerische Experimente wurden sowohl auf Datensätzen des Aortengefässbaums, des Herzens als auch mehrerer Organe durchgeführt. Im Vergleich zu aktuellen State-of-the-Art-Verfahren für die Segmentierung medizinischer Bilder zeigt unsere Methode eine verbesserte Segmentierungsgenauigkeit, insbesondere bei kleinen Organen. Der Quellcode ist öffentlich auf https://github.com/HongkunSun/ParaTransCNN verfügbar.