G-CASCADE: 2D 医療画像セグメンテーションのための効率的なカスケードグラフ畳み込みデコーディング

近年、医療画像セグメンテーションはコンピュータ支援診断の分野において重要な応用となっています。本論文では、2次元医療画像セグメンテーション向けに新しいグラフ畳み込みに基づくデコーダー、すなわちカスケードグラフ畳み込み注意デコーダー（G-CASCADE）を初めて提案します。G-CASCADEは、階層的なトランスフォーマーエンコーダーによって生成された多段階の特徴マップを効率的なグラフ畳み込みブロックを使用して逐次的に洗練します。エンコーダーは自己注意機構を利用して長距離依存関係を捉えますが、デコーダーはグラフ畳み込みブロックの全領域受容野により長距離情報が保たれる特徴マップを洗練します。我々のデコーダーを5つの医療画像セグメンテーションタスク（すなわち腹部臓器、心臓臓器、ポリープ病変、皮膚病変、網膜血管）で複数のトランスフォーマーエンコーダーと組み合わせて厳密に評価した結果、当モデルは他の最先端（SOTA）手法よりも優れた性能を示しました。また、我々のデコーダーがSOTA CASCADEデコーダーよりも80.8%少ないパラメータと82.3%少ないFLOPsでより高いDICEスコアを達成することも示しています。当デコーダーは他の階層的なエンコーダーと容易に組み合わせることができ、汎用的な意味セグメンテーションおよび医療画像セグメンテーションタスクに使用可能です。