AME-CAM: Attentive Multiple-Exit CAM for Weakly Supervised Segmentation on MRI Brain Tumor

要約

MRIは脳腫瘍のセグメンテーションによく用いられるが，これは患者の評価や治療計画に不可欠である．ラベリングに必要な労力と専門知識を軽減するために、クラス活性化マッピング（CAM）を用いた弱教師付きセマンティックセグメンテーション（WSSS）法が提案されている。しかし、既存のCAM法は、ストライド畳み込みとプーリング層による低分解能に悩まされており、不正確な予測をもたらす。本研究では、複数の解像度から活性化マップを抽出し、階層的に集約して予測精度を向上させる新しいCAM手法、Attentive Multiple-Exit CAM (AME-CAM)を提案する。本手法をBraTS 2021データセットで評価し、最先端の手法を凌駕することを示す。

要約(オリジナル)

Magnetic resonance imaging (MRI) is commonly used for brain tumor segmentation, which is critical for patient evaluation and treatment planning. To reduce the labor and expertise required for labeling, weakly-supervised semantic segmentation (WSSS) methods with class activation mapping (CAM) have been proposed. However, existing CAM methods suffer from low resolution due to strided convolution and pooling layers, resulting in inaccurate predictions. In this study, we propose a novel CAM method, Attentive Multiple-Exit CAM (AME-CAM), that extracts activation maps from multiple resolutions to hierarchically aggregate and improve prediction accuracy. We evaluate our method on the BraTS 2021 dataset and show that it outperforms state-of-the-art methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL