FANet：バイオメディカル画像セグメンテーションの精度向上を目的としたフィードバックアテンションネットワーク

膨大な臨床および実験データセットの増加により、生命医療画像解析分野において重要な貢献が多数なされてきた。特に、定量的解析において不可欠な画像セグメンテーションが注目を集めている。近年のハードウェアの進展により、深層学習アプローチの成功が実現した。しかし、深層学習モデルは大規模なデータセット上で学習されているものの、従来の手法は異なる学習エポック間の情報を効果的に活用できていない。本研究では、各学習エポックにおける情報を活用し、次のエポックの予測マップを削減（プルーニング）する手法を提案する。我々は、前エポックのマスクを現在の学習エポックの特徴マップと統合する新たなアーキテクチャであるフィードバックアテンションネットワーク（FANet）を提案する。この前エポックのマスクを用いて、異なる畳み込み層における学習済み特徴マップに対してハードアテンションを提供する。さらに、テスト時に反復的に予測を修正する機能も実装している。7つの公開された生命医療画像データセットを用いた実験において、提案する「フィードバックアテンション」モデルが、多数のセグメンテーション評価指標において顕著な改善を示した。これにより、FANetの有効性が実証された。ソースコードは、\url{https://github.com/nikhilroxtomar/FANet} にて公開されている。