Position-prior Clustering-based Self-attention Module for Knee Cartilage Segmentation

要約

膝軟骨（特に大腿骨および脛骨軟骨）の形態学的変化は、変形性膝関節症の進行と密接に関連しており、磁気共鳴（MR）画像によって表現され、軟骨のセグメンテーション結果で評価されます。
したがって、変形性関節症の縦断研究のための効果的な自動軟骨セグメンテーションモデルを提案する必要があります。
この研究では、畳み込みニューラルネットワークの限られた受容野によって引き起こされる不正確な不連続セグメンテーションの問題を軽減するために、新しい位置優先クラスタリングベースの自己注意モジュール（PCAM）を提案しました。
PCAMでは、各クラスセンターと特徴点の間の長期的な依存関係が自己注意によってキャプチャされ、コンテキスト情報が再割り当てされて相対的な特徴が強化され、セグメンテーション結果の継続性が確保されます。
clutseringベースの方法は、クラスセンターを推定するために使用されます。これにより、クラス内の一貫性が促進され、セグメンテーション結果の精度がさらに向上します。
位置優先は、副出力から誤検知を除外し、中心推定をより正確にします。
OAI-ZIBデータセットで十分な実験が行われています。
実験結果は、セグメンテーションネットワークとPCAMの組み合わせのセグメンテーションパフォーマンスが元のモデルと比較して明らかな改善を得るということを示しており、これは医療セグメンテーションタスクにおけるPCAMの潜在的なアプリケーションを証明しています。
ソースコードは次のリンクから公開されています：https：//github.com/LeongDong/PCAMNet

要約(オリジナル)

The morphological changes in knee cartilage (especially femoral and tibial cartilages) are closely related to the progression of knee osteoarthritis, which is expressed by magnetic resonance (MR) images and assessed on the cartilage segmentation results. Thus, it is necessary to propose an effective automatic cartilage segmentation model for longitudinal research on osteoarthritis. In this research, to relieve the problem of inaccurate discontinuous segmentation caused by the limited receptive field in convolutional neural networks, we proposed a novel position-prior clustering-based self-attention module (PCAM). In PCAM, long-range dependency between each class center and feature point is captured by self-attention allowing contextual information re-allocated to strengthen the relative features and ensure the continuity of segmentation result. The clutsering-based method is used to estimate class centers, which fosters intra-class consistency and further improves the accuracy of segmentation results. The position-prior excludes the false positives from side-output and makes center estimation more precise. Sufficient experiments are conducted on OAI-ZIB dataset. The experimental results show that the segmentation performance of combination of segmentation network and PCAM obtains an evident improvement compared to original model, which proves the potential application of PCAM in medical segmentation tasks. The source code is publicly available from link: https://github.com/LeongDong/PCAMNet

arxiv情報

提供元, 利用サービス

arxiv.jp, Google