Fuzzy Attention Neural Network to Tackle Discontinuity in Airway Segmentation

要約

肺疾患の検査・診断・予後には気道のセグメンテーションが重要であるが、手作業によるセグメンテーションは非常に負担が大きい。そのため，CT画像から気道を自動的に切り出す方法が提案されている．しかし、気管支や細気管支などの小さな気道枝は、機械学習モデルによる自動的なセグメンテーションの難易度を著しく高めている。特に、ボクセル値の分散と気道枝の深刻なデータの不均衡により、計算モジュールは不連続かつ偽陰性の予測をしやすくなる。特に、異なる肺疾患を持つコホートに対して。注意機構は複雑な構造をセグメント化する能力を示し、ファジー論理は特徴表現の不確実性を低減することができる。したがって、ファジー注意層によって与えられる深い注意ネットワークとファジー理論の統合は、より良い汎化性と頑健性のためにエスカレートしたソリューションとなるはずである。本論文では、気道セグメンテーションの空間的連続性を高めるために、新規なファジー注意ニューラルネットワークと包括的損失関数からなる効率的な方法を提示する。深層ファジー集合は、特徴マップのボクセル集合と学習可能なガウス型メンバーシップ関数によって定式化される。既存の注意メカニズムとは異なり、提案するチャンネル固有のファジー注意は、異なるチャンネルにおける異質な特徴の問題に対処している。さらに、気道構造の連続性と完全性の両方を評価するために、新しい評価指標を提案する。提案手法の効率性、汎用性、頑健性は、正常肺疾患に対する学習と、肺癌、COVID-19、肺線維症のデータセットに対するテストにより証明された。

要約(オリジナル)

Airway segmentation is crucial for the examination, diagnosis, and prognosis of lung diseases, while its manual delineation is unduly burdensome. To alleviate this time-consuming and potentially subjective manual procedure, researchers have proposed methods to automatically segment airways from computerized tomography (CT) images. However, some small-sized airway branches (e.g., bronchus and terminal bronchioles) significantly aggravate the difficulty of automatic segmentation by machine learning models. In particular, the variance of voxel values and the severe data imbalance in airway branches make the computational module prone to discontinuous and false-negative predictions. especially for cohorts with different lung diseases. Attention mechanism has shown the capacity to segment complex structures, while fuzzy logic can reduce the uncertainty in feature representations. Therefore, the integration of deep attention networks and fuzzy theory, given by the fuzzy attention layer, should be an escalated solution for better generalization and robustness. This paper presents an efficient method for airway segmentation, comprising a novel fuzzy attention neural network and a comprehensive loss function to enhance the spatial continuity of airway segmentation. The deep fuzzy set is formulated by a set of voxels in the feature map and a learnable Gaussian membership function. Different from the existing attention mechanism, the proposed channel-specific fuzzy attention addresses the issue of heterogeneous features in different channels. Furthermore, a novel evaluation metric is proposed to assess both the continuity and completeness of airway structures. The efficiency, generalization and robustness of the proposed method have been proved by training on normal lung disease while testing on datasets of lung cancer, COVID-19 and pulmonary fibrosis.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL