IterMiUnet: A lightweight architecture for automatic blood vessel segmentation

要約

眼底画像の血管の自動セグメンテーションは、網膜血管系の状態を分析するのに役立ちます。これは、高血圧、糖尿病などのさまざまな全身疾患を特定するために重要です。このセグメンテーション タスクにおけるディープ ラーニング ベースのモデルの成功にもかかわらず、それらのほとんどは
パラメータ化されているため、実際のアプリケーションでの使用が制限されています。
このホワイト ペーパーでは、既存のモデルと同様のパフォーマンスを実現しながら、大幅に少ないパラメーターを必要とする新しい軽量畳み込みベースのセグメンテーション モデルである IterMiUnet を提案します。
このモデルは、Iternet アーキテクチャの優れたセグメンテーション機能を利用していますが、MiUnet モデルのエンコーダー/デコーダー構造を組み込むことで、その高度にパラメーター化された性質を克服しています。
したがって、新しいモデルは、ネットワークの深さを損なうことなくパラメーターを削減します。これは、深いモデルで抽象的な階層概念を学習するために必要です。
この軽量なセグメンテーション モデルは、トレーニングと推論の時間を短縮し、データが不足しているため、高度にパラメータ化されたモデルがオーバーフィットする傾向がある医療分野で役立つ可能性があります。
提案されたモデルは、公開されている 3 つのデータセット (DRIVE、STARE、および CHASE-DB1) で評価されました。
さらにクロス トレーニングと評価者間の変動性評価も実行されています。
提案されたモデルは、多くの疾患の早期診断のためのツールとして利用される多くの可能性を秘めています。

要約(オリジナル)

The automatic segmentation of blood vessels in fundus images can help analyze the condition of retinal vasculature, which is crucial for identifying various systemic diseases like hypertension, diabetes, etc. Despite the success of Deep Learning-based models in this segmentation task, most of them are heavily parametrized and thus have limited use in practical applications. This paper proposes IterMiUnet, a new lightweight convolution-based segmentation model that requires significantly fewer parameters and yet delivers performance similar to existing models. The model makes use of the excellent segmentation capabilities of Iternet architecture but overcomes its heavily parametrized nature by incorporating the encoder-decoder structure of MiUnet model within it. Thus, the new model reduces parameters without any compromise with the network’s depth, which is necessary to learn abstract hierarchical concepts in deep models. This lightweight segmentation model speeds up training and inference time and is potentially helpful in the medical domain where data is scarce and, therefore, heavily parametrized models tend to overfit. The proposed model was evaluated on three publicly available datasets: DRIVE, STARE, and CHASE-DB1. Further cross-training and inter-rater variability evaluations have also been performed. The proposed model has a lot of potential to be utilized as a tool for the early diagnosis of many diseases.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google