Segmentation d'images médicales utilisant des Transformers Squeeze-and-Expansion

La segmentation d'images médicales est importante pour le diagnostic assisté par ordinateur. Une bonne segmentation exige que le modèle puisse voir à la fois le tableau d'ensemble et les détails fins, c'est-à-dire qu'il doit apprendre des caractéristiques d'image qui intègrent un large contexte tout en maintenant de hautes résolutions spatiales. Pour atteindre cet objectif, les méthodes les plus couramment utilisées -- U-Net et ses variantes -- extraient et fusionnent des caractéristiques multi-échelles. Cependant, les caractéristiques fusionnées ont toujours de petits "champs récepteurs effectifs" en se concentrant sur des indices d'image locaux, limitant ainsi leur performance. Dans ce travail, nous proposons Segtran, un cadre de segmentation alternatif basé sur des transformers, qui ont des "champs récepteurs effectifs" illimités même à des résolutions de caractéristiques élevées. Le cœur de Segtran est un nouveau transformer Squeeze-and-Expansion : un bloc d'attention comprimée régularise l'attention automatique des transformers, et un bloc d'expansion apprend des représentations diversifiées. De plus, nous proposons un nouveau schéma de codage positionnel pour les transformers, imposant un biais inductif de continuité pour les images. Des expériences ont été réalisées sur des tâches de segmentation d'images médicales en 2D et 3D : segmentation du disque/poupe optique dans des images de fond d'œil (défi REFUGE'20), segmentation de polypes dans des images de coloscopie, et segmentation de tumeurs cérébrales dans des IRM (défi BraTS'19). Comparé aux méthodes existantes représentatives, Segtran a régulièrement atteint la plus haute précision de segmentation et a montré de bonnes capacités de généralisation entre domaines.