Attention U-Net: 膵の位置を学習する

私たちは、異なる形状とサイズの標的構造に自動的に焦点を当てるための新しいアテンションゲート（AG）モデルを医療画像分野に提案します。AGを使用して訓練されたモデルは、入力画像内の関連性の低い領域を抑制し、特定のタスクに有用な重要な特徴を強調する能力を暗黙的に学習します。これにより、カスケード畳み込みニューラルネットワーク（CNN）で使用される明示的な外部組織/臓器局在化モジュールの必要性が排除されます。AGは、U-Netモデルなどの標準的なCNNアーキテクチャに最小限の計算負荷で容易に統合でき、モデルの感度と予測精度を向上させます。提案されたAttention U-Netアーキテクチャは、2つの大規模なCT腹部データセットでの多クラス画像セグメンテーションにおいて評価されました。実験結果は、AGが異なるデータセットや訓練サイズにおいて一貫してU-Netの予測性能を改善しながら計算効率を維持することを示しています。提案されたアーキテクチャのコードは公開されています。