要約
U-Netは多くの医療画像セグメンテーション問題で最先端の性能を提供してきました。U-Netに対して、アテンションU-Net、再帰的残差畳み込みU-Net（R2-UNet）、または残差ブロックや密集接続ブロックを持つU-Netなどの多くの改良が提案されています。しかし、これらの改良にもかかわらず、すべてのモデルはスキップ接続を持つエンコーダー-デコーダー構造を持ち、情報流れるパスの数には制限があります。本論文では、LadderNetを提案します。これは複数のU-Netを連鎖させたものと見なすことができます。U-Netが1つのエンコーダーブランチとデコーダーブランチのペアを持つ一方で、LadderNetは各レベルにおいて複数のエンコーダー-デコーダーブランチのペアを持ち、隣接するデコーダーブランチ間にはスキップ接続があります。ResNetやR2-UNetの成功に触発され、1つのブロック内の2つの畳み込み層が同じ重みを共有する修正された残差ブロックを使用しています。スキップ接続と残差ブロックにより、LadderNetはより多くの情報流れるパスを持ちます。これは完全畳み込みネットワーク（FCN）のアンサンブルと見なすことができ、セグメンテーション精度を向上させる一方で、各残差ブロック内の共有重みによりパラメータ数を削減できます。網膜疾患検出において意味的なセグメンテーションは不可欠です。私たちはLadderNetを網膜画像における血管セグメンテーション用の2つのベンチマークデータセットでテストし、既存文献の方法よりも優れた性能を達成しました。実装は以下のURLで提供されています: \url{https://github.com/juntang-zhuang/LadderNet}