17日前

HistoSeg:デジタル組織画像における多構造セグメンテーションのためのマルチロス関数を用いた高速アテンション

Saad Wazir, Muhammad Moazam Fraz
HistoSeg:デジタル組織画像における多構造セグメンテーションのためのマルチロス関数を用いた高速アテンション
要約

医用画像のセグメンテーションは、コンピュータ支援診断や手術、治療に役立つ。組織スライド画像をデジタル化することで、腺、核、およびその他のバイオマーカーの解析とセグメンテーションが可能となり、これらはその後、コンピュータ支援医療応用に活用される。こうした目的のため、多くの研究者がヒストロロジカル画像に対するセグメンテーションを実行するための異なるニューラルネットワークを開発している。これらのネットワークの多くはエンコーダ・デコーダアーキテクチャに基づいており、複雑なアテンションモジュールやトランスフォーマーを活用している。しかし、これらのネットワークは、多スケールでの正確な境界検出を伴いながら、関連する局所的・グローバルな特徴を十分に捉えることが難しいという課題がある。そこで本研究では、エンコーダ・デコーダネットワーク、クイックアテンションモジュール、およびマルチロス関数(バイナリクロスエントロピー損失(BCE Loss)、フォーカルロス、Diceロスの組み合わせ)を提案する。提案手法の汎化能力は、公開されている2つの医用画像セグメンテーションデータセット(MoNuSegおよびGlaS)上で評価され、最先端手法を上回る結果が得られた。具体的には、MoNuSegデータセットにおいて1.99%、GlaSデータセットにおいて7.15%の性能向上が達成された。実装コードは以下のリンクから公開されている:https://bit.ly/HistoSeg

HistoSeg:デジタル組織画像における多構造セグメンテーションのためのマルチロス関数を用いた高速アテンション | 最新論文 | HyperAI超神経