双方向ConvLSTM U-Netと密接に接続された畳み込み

近年、深層学習を基盤とするネットワークは、医療画像セグメンテーションにおいて最先端の性能を達成しています。既存のネットワークの中で、U-Netは医療画像セグメンテーションに成功裏に応用されてきました。本論文では、U-Netの拡張版である双方向ConvLSTMと密結合畳み込み（Dense Convolution）を組み合わせたBi-directional ConvLSTM U-Net with Densely connected convolutions (BCDU-Net)を提案します。U-Netのスキップ接続で単純な連結を行う代わりに、当モデルでは双方向ConvLSTM (BConvLSTM)を使用して、対応するエンコーディングパスから抽出された特徴マップと前のデコーディングアップ畳み込み層を非線形的に結合します。特徴伝播の強化と特徴再利用の促進のために、エンコーディングパスの最後の畳み込み層には密結合畳み込みを使用します。さらに、バッチ正規化（Batch Normalization, BN）を用いることで、提案モデルの収束速度を加速することができます。提案したモデルは、網膜血管セグメンテーション、皮膚病変セグメンテーション、肺結節セグメンテーションという3つのデータセットで評価され、最先端の性能を達成しました。