要約
U-Netアーキテクチャとその変種は、過去10年間で網膜血管セグメンテーションにおいて最先端（SOTA）の地位を保ち続けてきました。本研究では、フルスケールガイデッドネットワーク（FSG-Net）を導入します。このネットワークでは、現代的な畳み込みブロックを使用した特徴表現ネットワークがフルスケール情報を抽出し、ガイデッド畳み込みブロックがその情報を精緻化します。注意力ガイデッドフィルターは、フィルターがアンシャープマスクフィルターのように動作すると解釈されるガイド畳み込みブロックに導入されます。フルスケール情報を注意力ブロックに渡すことで、改善された注意力マップの生成が可能となり、これらのマップは注意力ガイデッドフィルターに渡され、セグメンテーションネットワークの性能向上につながります。ガイド畳み込みブロックの前の構造は任意のU-Net変種に置き換えることができ、提案手法の拡張性を高めます。公正な比較のために、公開リポジトリで利用可能な最近の研究を再実装し、それらの拡張性と再現性を評価しました。我々の実験結果は、提案ネットワークがさまざまな公開データセット上で現在のSOTAモデルと競合する結果を示していることを示しています。削減実験では、提案モデルが大幅に少ないパラメータサイズでも競合する性能を持つことが確認されました。最後に、提案モデルを顔面しわセグメンテーションに適用することで、他の領域での類似タスクへの拡張可能性も確認しました。我々のコードはhttps://github.com/ZombaSY/FSG-Net-pytorch で公開されています。