深層学習を用いたCT画像の大動脈に対するセグメンテーション
研究背景、概要、目的
現在、少子高齢化による医療資源の不足が危惧されていて、コロナ禍がこの可能性を顕在化した。従って、従事者の負担を軽減する同時に、人々により良質と安価な医療を受けるために、医療従事者を補助する人工知能が近年期待されている。
本研究では先行研究であるU-Net、Attention U-Net、TransUNetとSwin-Unetを基として改良を加えることで、IoUとDiceを指標とする精度を向上することを目的とする。
非造影CT画像に対する現存のモデルによるセグメンテーション精度が造影CT画像と比べて著しく低下していることとGPUメモリを節約することから、大動脈の空間的特徴をモデルに取り込みことが主な手法にしている。
参考文献
[1] Olaf Ronneberger, Philipp Fischer, and Thomas Brox . U-Net: Convolutional Networks for Biomedical Image Segmentation . Medical Image Computing and Computer-Assisted Intervention – MICCAI 2015 .pp 234–241
[2] Ozan Oktay, Jo Schlemper, Loic Le Folgoc, Matthew Lee, Mattias Heinrich, Kazunari Misawa, Kensaku Mori, Steven McDonagh, Nils Y Hammerla, Bernhard Kainz, Ben Glocker, Daniel Rueckert . Attention U-Net: Learning Where to Look for the Pancreas . MIDL 2018
[3] Ashish Vaswani, Noam Shazeer, Niki Parmar, Jakob Uszkoreit, Llion Jones, Aidan N. Gomez, Lukasz Kaiser, Illia Polosukhin . Attention Is All You Need .NIPS 2017
[4] Alexey Dosovitskiy, Lucas Beyer, Alexander Kolesnikov, Dirk Weissenborn, Xiaohua Zhai, Thomas Unterthiner, Mostafa Dehghani, Matthias Minderer, Georg Heigold, Sylvain Gelly, Jakob Uszkoreit, Neil Houlsby . An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale .Computer Vision and Pattern Recognition
[5] Jieneng Chen, Yongyi Lu, Qihang Yu, Xiangde Luo, Ehsan Adeli, Yan Wang, Le Lu, Alan L. Yuille, Yuyin Zhou . TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation .Computer Vision and Pattern Recognition
[6] Ze Liu, Yutong Lin, Yue Cao, Han Hu, Yixuan Wei, Zheng Zhang, Stephen Lin, Baining Guo . Swin Transformer: Hierarchical Vision Transformer using Shifted Windows .Computer Vision and Pattern Recognition
[7] Hu Cao, Yueyue Wang, Joy Chen, Dongsheng Jiang, Xiaopeng Zhang, Qi Tian, Manning Wang . Swin-Unet: Unet-like Pure Transformer for Medical Image Segmentation .Computer Vision and Pattern Recognition