3次元医療画像セグメンテーションのための条件付き確率場を再帰型ニューラルネットワークとしての利用

条件付きランダムフィールドを再帰型ニューラルネットワーク層として使用するアルゴリズムは、既存の完全畳み込みニューラルネットワークの上に配置してセマンティックセグメンテーションの品質を向上させるために最近提案されました。本論文では、このアルゴリズムが2D RGB画像のセマンティックセグメンテーションの品質向上に効果的であることが示されていることから、3D多モーダル医療画像に対して同様の効果があるかどうかを検証しました。私たちは、任意の空間次元数、入出力画像チャネル数、および参照画像チャネル数に対応するアルゴリズムの実装を開発しました。私たちが知る限り、これは初めて公開されたこのような実装です。私たちは2つの異なる3D医療画像データセットを使用してアルゴリズムをテストし、観察された性能差は統計的に有意でないことを結論付けました。最後に、論文の討論節では、この技術が自然画像から医療画像への転用においてなぜ効果が低いのかについて理由を考察しています。