A Novel Approach to Chest X-ray Lung Segmentation Using U-net and Modified Convolutional Block Attention Module

要約

胸部 X 線画像における肺のセグメンテーションは、さまざまな肺疾患の診断と治療において重要な役割を果たすため、非常に重要です。
この論文では、U-net とアテンション メカニズムを統合することによる、胸部 X 線画像における肺のセグメンテーションに対する新しいアプローチを紹介します。
提案された方法は、チャネル アテンション、空間アテンション、ピクセル アテンションという 3 つの異なるアテンション メカニズムを統合する畳み込みブロック アテンション モジュール (CBAM) を組み込むことによって U-net アーキテクチャを強化します。
チャネル アテンション メカニズムにより、モデルはさまざまなチャネルにわたって最も有益な機能に集中できます。
空間的注意メカニズムは、重要な空間的位置に焦点を当てることにより、モデルの位置特定の精度を高めます。
最後に、ピクセル アテンション メカニズムにより、モデルが個々のピクセルに焦点を合わせられるようになり、モデルの焦点がさらに調整され、それによってセグメンテーションの精度が向上します。
提案された CBAM を U-net アーキテクチャと組み合わせて採用することは、医療画像処理の分野で大きな進歩をもたらし、診断の精度と患者の転帰の向上に潜在的な影響を及ぼします。
この方法の有効性は現代の最先端技術と比較して検証され、セグメンテーションのパフォーマンスにおける優位性が実証されています。

要約(オリジナル)

Lung segmentation in chest X-ray images is of paramount importance as it plays a crucial role in the diagnosis and treatment of various lung diseases. This paper presents a novel approach for lung segmentation in chest X-ray images by integrating U-net with attention mechanisms. The proposed method enhances the U-net architecture by incorporating a Convolutional Block Attention Module (CBAM), which unifies three distinct attention mechanisms: channel attention, spatial attention, and pixel attention. The channel attention mechanism enables the model to concentrate on the most informative features across various channels. The spatial attention mechanism enhances the model’s precision in localization by focusing on significant spatial locations. Lastly, the pixel attention mechanism empowers the model to focus on individual pixels, further refining the model’s focus and thereby improving the accuracy of segmentation. The adoption of the proposed CBAM in conjunction with the U-net architecture marks a significant advancement in the field of medical imaging, with potential implications for improving diagnostic precision and patient outcomes. The efficacy of this method is validated against contemporary state-of-the-art techniques, showcasing its superiority in segmentation performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google