DuAT：医療画像セグメンテーションのためのデュアル集約Transformerネットワーク

Transformerベースのモデルは、長距離依存関係をモデル化し、グローバルな表現を捉えることで、コンピュータビジョンタスクにおいて広く成功を収めており、その有効性が実証されている。しかし、大規模なパターンの特徴に支配されがちな傾向があり、局所的な詳細（例えば境界や小物体）の情報が失われるという課題を抱えている。これは医療画像セグメンテーションにおいて極めて重要な要素である。この問題を緩和するため、本研究では「デュアルアグリゲーション・トランスフォーマー・ネットワーク（DuAT）」を提案する。本モデルは、グローバルからローカルへの空間的アグリゲーション（GLSA）モジュールと、選択的境界アグリゲーション（SBA）モジュールという二つの革新的な設計を特徴としている。GLSAモジュールは、グローバルおよびローカルな空間特徴を同時に集約・表現可能であり、それぞれ大規模物体と小規模物体の位置特定に有効である。一方、SBAモジュールは、低レベル特徴から境界特徴を抽出し、高レベル特徴から意味情報（セマンティクス）を統合することで、境界の詳細をより良く保持し、再調整が必要な物体の位置を正確に特定することを可能にする。6つのベンチマークデータセットにおける広範な実験結果から、本提案モデルが皮膚病変画像および内視鏡画像におけるポリープのセグメンテーションにおいて、最先端手法を上回る性能を発揮することが示された。さらに、小物体セグメンテーションや境界が曖昧な物体の処理といった困難な状況においても、従来手法よりも高いロバスト性を示した。