LATUP-Net: A Lightweight 3D Attention U-Net with Parallel Convolutions for Brain Tumor Segmentation

要約

迅速かつ効果的な治療には、磁気共鳴画像法 (MRI) スキャンによる初期段階の 3D 脳腫瘍セグメンテーションが不可欠です。
しかし、このプロセスは、腫瘍の複雑な不均一性により、正確な描写という課題に直面しています。
さらに、特に発展途上国におけるエネルギーの持続可能性目標と資源の制限により、効率的でアクセスしやすい医用画像ソリューションが必要とされています。
提案されたアーキテクチャである並列畳み込みを備えた軽量 3D ATtention U-Net、LATUP-Net は、これらの問題に対処します。
これは、高いセグメンテーション パフォーマンスを維持しながら、計算要件を大幅に削減するように特別に設計されています。
並列畳み込みを組み込むことで、マルチスケール情報を取得して特徴表現を強化します。
さらに、選択的な特徴の再調整を通じてセグメンテーションを洗練するためのアテンション メカニズムも統合されています。
LATUP-Net は有望なセグメンテーション パフォーマンスを実現します。BraTS 2020 データセットの腫瘍全体、腫瘍コア、および増強腫瘍の平均 Dice スコアは 88.41%、83.82%、73.67% であり、BraTS 2021 データセットでは 90.29% です。
、89.54%、83.92%でした。
ハウスドルフ距離測定基準は、腫瘍境界を描写する能力の向上をさらに示しています。
LATUP-Net は、他の最先端モデルよりも約 59 倍少ない 307 万パラメータのみを使用して計算需要を大幅に削減し、単一の NVIDIA GeForce RTX3060 12GB GPU で実行するため、必要な演算量はわずか 15.79 GFLOP です。
これにより、特にリソースが限られた環境において、実際の臨床アプリケーションにとって有望なソリューションとなります。
勾配重み付けクラス活性化マッピングと混同行列を利用したモデルの解釈可能性の調査により、注意メカニズムが小さな領域のセグメンテーションを強化する一方で、その影響は微妙であることが明らかになりました。
最も多くのことを達成しています[…]。
コードは https://qyber.black/ca/code-bca で入手できます。

要約(オリジナル)

Early-stage 3D brain tumor segmentation from magnetic resonance imaging (MRI) scans is crucial for prompt and effective treatment. However, this process faces the challenge of precise delineation due to the tumors’ complex heterogeneity. Moreover, energy sustainability targets and resource limitations, especially in developing countries, require efficient and accessible medical imaging solutions. The proposed architecture, a Lightweight 3D ATtention U-Net with Parallel convolutions, LATUP-Net, addresses these issues. It is specifically designed to reduce computational requirements significantly while maintaining high segmentation performance. By incorporating parallel convolutions, it enhances feature representation by capturing multi-scale information. It further integrates an attention mechanism to refine segmentation through selective feature recalibration. LATUP-Net achieves promising segmentation performance: the average Dice scores for the whole tumor, tumor core, and enhancing tumor on the BraTS 2020 dataset are 88.41%, 83.82%, and 73.67%, and on the BraTS 2021 dataset, they are 90.29%, 89.54%, and 83.92%, respectively. Hausdorff distance metrics further indicate its improved ability to delineate tumor boundaries. With its significantly reduced computational demand using only 3.07M parameters, about 59 times fewer than other state-of-the-art models, and running on a single NVIDIA GeForce RTX3060 12GB GPU, LATUP-Net requires just 15.79 GFLOPs. This makes it a promising solution for real-world clinical applications, particularly in settings with limited resources. Investigations into the model’s interpretability, utilizing gradient-weighted class activation mapping and confusion matrices, reveal that while attention mechanisms enhance the segmentation of small regions, their impact is nuanced. Achieving the most […]. The code is available at https://qyber.black/ca/code-bca.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google