ET-Net: 医療画像セグメンテーションのための汎用的なエッジ注意誘導ネットワーク

セグメンテーションは医療画像解析における基本的なタスクである。しかし、既存の大多数の手法は主領域の抽出に焦点を当て、正確なセグメンテーションに有用なエッジ情報を見逃している。本論文では、エッジ情報を組み込んだセグメンテーションネットワークをガイドする一般的な医療画像セグメンテーション手法、Edge-aTtention guidance Network（ET-Net）を提案する。具体的には、初期のエンコーディング層でエッジアテンション表現を学習するエッジガイダンスモジュールが利用され、その後マルチスケールデコーディング層へと転送され、重み付き集約モジュールを使用して融合される。4つのセグメンテーションタスク（すなわち網膜画像における視神経乳頭/杯状凹および血管のセグメンテーション、胸部X線およびCT画像における肺のセグメンテーション）に対する実験結果は、エッジアテンション表現を保持することで最終的なセグメンテーション精度が向上し、我々が提案した手法が現行の最先端のセグメンテーション手法を上回ることを示している。本手法のソースコードは https://github.com/ZzzJzzZ/ETNet で公開されている。