脳腫瘍セグメンテーションのためのマルチパス残差アテンションブロックを用いた単一レベルUNet3D

アトラス畳み込みとアテンションは、セグメンテーション目的のためにUNetアーキテクチャの性能を向上させました。しかし、脳腫瘍セグメンテーションの性能を向上させるためのアトラス畳み込みとアテンションの完璧な組み合わせは依然として興味深い課題です。本論文では、スキップ接続にアテンションを追加し、処理ブロックをアテンションユニットに接続された2つのアトラス畳み込みシーケンスと、Multipath Residual Attention Block (MRAB)と呼ばれる1つの残差パスに置き換えたUNetアーキテクチャを提案します。このアーキテクチャは、Brain Tumor Segmentation (BraTS) 2018、2019、2020、2021チャレンジデータセットを使用して訓練されました。アンサンブルモデルはオンラインで検証され、BraTS2018のダイススコアは77.71%、79.77%、89.59%、BraTS2019は74.91%、80.98%、88.48%、BraTS2020は72.91%、80.19%、88.57%、BraTS2021は77.73%、82.19%、89.33%のEnhanced Tumor (ET)、Tumor Core (TC)、Whole Tumor (WT)領域の検証データセットにおいて得られました。これらのダイススコアの性能は、最新の脳腫瘍セグメンテーションアーキテクチャを上回り、臨床応用のために発展することが期待されています。