Cross-Reference Transformer for Few-shot Medical Image Segmentation

要約

【タイトル】
クロスリファレンストランスフォーマーによるフォーショット医療画像セグメンテーション

【要約】
・医療画像処理の限界として、画像にラベルをつけることが難しく、一方で医療画像の利用が広がっているため、フォーショット学習技術が注目されている。
・本論文では、既存のクロスリファレンスサポート画像とクエリ画像の間に相互作用がない問題に取り組むため、医療画像セグメンテーションにクロスリファレンストランスフォーマーを提案した。
・これにより、高次元チャンネルのサポート特徴とクエリ特徴の類似部分をよりよく掘り起こし、強化することができる。
・実験結果から、提案されたモデルがCTデータセットとMRIデータセットの両方で良好な結果を達成することが判明した。

【要点】
・医療画像処理の限界：画像にラベルをつけることが難しく、医療画像の利用は広がっているため、フォーショット学習技術が注目されている
・クロスリファレンストランスフォーマー：医療画像セグメンテーションに提案され、既存のクロスリファレンスサポート画像とクエリ画像の間に相互作用がない問題に取り組む
・類似部分を掘り起こし強化：サポート特徴とクエリ特徴の高次元チャンネルにおける類似部分をよりよく掘り起こし、強化できる
・良好な結果を達成：実験結果から、提案されたモデルがCTデータセットとMRIデータセットの両方で良好な結果を達成することが判明した

要約(オリジナル)

Due to the contradiction of medical image processing, that is, the application of medical images is more and more widely and the limitation of medical images is difficult to label, few-shot learning technology has begun to receive more attention in the field of medical image processing. This paper proposes a Cross-Reference Transformer for medical image segmentation, which addresses the lack of interaction between the existing Cross-Reference support image and the query image. It can better mine and enhance the similar parts of support features and query features in high-dimensional channels. Experimental results show that the proposed model achieves good results on both CT dataset and MRI dataset.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI