U-Netを用いた階層ボトルネック注意機構による変性網膜の眼底画像におけるランドマーク検出

網膜撮影は、加齢黄斑変性（Age-related Macular Degeneration: AMD）、緑内障、糖尿病性網膜症（Diabetic Retinopathy: DR）などの網膜変性疾患の存在と重症度を記録するために、臨床現場で一般的に使用されています。これらの疾患において、中心窩（fovea）と視神経乳頭（optic disc: OD）は重要な網膜ランドマークです。しかし、網膜変性の過程で病変、ドルゼン、その他の網膜異常が発生し、自動的なランドマーク検出とセグメンテーションが極めて複雑になります。本稿では、階層ボトルネックアテンションを強化したU-NetバックボーンであるHBA-U-Netを提案します。このネットワークは、自己注意、チャネル注意、相対位置注意を組み合わせて洗練する新しいボトルネックアテンションブロックから構成されており、変性網膜における中心窩や視神経乳頭のセグメンテーションに重要な役割を果たす可能性のある網膜異常を強調します。HBA-U-Netはデータセットや目の状態に関わらず中心窩検出において最先端の結果を達成しました（ADAM: ユークリッド距離（Euclidean Distance: ED）25.4ピクセル、REFUGE: 32.5ピクセル、IDRiD: 32.1ピクセル）。また、AMDに対する視神経乳頭セグメンテーション（ADAM: ダイス係数（Dice Coefficient: DC）0.947）およびDRに対する視神経乳頭検出（IDRiD: ED 20.5ピクセル）でも優れた成績を収めています。これらの結果から、HBA-U-Netは様々な網膜変性疾患が存在する場合のランドマーク検出に適していることが示唆されます。