3D U-Net: 疎なアノテーションから密な体積セグメンテーションを学習する

本論文では、スパースにアノテーションされた体積画像から学習する体積セグメンテーションのネットワークを紹介します。この手法の魅力的な用途を2つ挙げます：(1) 半自動設定において、ユーザーはセグメント化したい体積内のいくつかのスライスをアノテートします。ネットワークはこれらのスパースなアノテーションから学習し、濃密な3Dセグメンテーションを提供します。(2) 完全自動設定において、代表的なスパースにアノテーションされた訓練データセットが存在すると仮定します。このデータセットで訓練されたネットワークは、新しい体積画像を濃密にセグメント化します。提案されるネットワークは、Ronnebergerらによる以前のU-Netアーキテクチャを拡張し、すべての2D操作を3D操作に置き換えています。実装では、訓練中に効率的なデータ拡張を行うためにオンザフライで弾性変形を行います。ネットワークはゼロからエンドツーエンドで訓練され、事前学習済みのネットワークは必要としません。我々は提案手法の性能を複雑かつ高変動性の3D構造であるアフリカツメガエル（Xenopus）の腎臓に対して評価し、両方の用途において良好な結果を得ました。