CT画像における二重注意に基づく3D U-Net肝臓セグメンテーションアルゴリズム

肝臓は人間の体において重要な臓器であり、CT画像はその形態を直感的に示すことができます。医師は肝臓のCT画像を基にその解剖構造や病変部位を観察し、臨床診断や治療計画の根拠を提供します。医師が正確な判断を下す手助けをするために、人工知能技術が採用されています。肝臓のCT画像セグメンテーションにおける既存の手法の限界、例えば弱い文脈分析やセマンティック情報の損失に対処し、CT画像上での新しい二重注意に基づく3D U-Net肝臓セグメンテーションアルゴリズムを提案します。私たちのアプローチの革新点は以下の通りです。(1) 残差接続を導入することで、3D U-Netネットワークを改善し、マルチスケール情報をよりよく捉え、セマンティック情報の損失を軽減します。(2) 特徴抽出能力を強化するためのDA-Blockエンコーダ構造を提案します。(3) スキップ接続にCBAMモジュールを導入し、エンコーダ内での特徴伝達を最適化し、セマンティックギャップを減少させ、正確な肝臓セグメンテーションを実現します。アルゴリズムの有効性を検証するために、LiTSデータセットで実験を行いました。その結果、肝臓画像に対するDice係数とHD95指標はそれぞれ92.56%と28.09 mmであり、3D Res-UNetと比較して0.84%の改善と2.45 mmの減少を示しました。