LUNet: 高解像度網膜画像における動脈および静脈のセグメンテーションのための深層学習

網膜は、デジタルファンドスイメージ（DFI）などの画像技術を用いて非侵襲的に観察できる唯一の人間の体の部位です。網膜の微小血管の空間分布は心血管疾患によって変化する可能性があり、したがって目は私たちの心臓への窓とみなされることがあります。網膜動静脈（A/V）のコンピュータ化されたセグメンテーションは、自動的な微小血管解析にとって不可欠です。アクティブラーニングを用いて、15人の医学生が手動で行い、眼科医がレビューした240件のクラウドソーシングによるA/Vセグメンテーションを含む新しいDFIデータセットを作成し、高解像度A/Vセグメンテーション用の新しい深層学習アーキテクチャであるLUNetを開発しました。LUNetアーキテクチャには、モデルの受容野を拡大し、パラメータ数を削減することを目指す二重ディラテッド畳み込みブロックが含まれています。さらに、LUNetには高解像度で動作するロングテールがあり、セグメンテーションを精緻化します。カスタム損失関数は血菅の連続性に重点を置いています。LUNetは、局所テストセットおよび4つの外部テストセット（民族、併存症、アノテーター間での分布シフトを模擬）において、2つの最先端セグメンテーションアルゴリズムよりも著しく優れた性能を示しています。新規作成されたデータセットは公開アクセスとして提供されます（出版時）。