- …
- …
#500
summarized by : 中村 優太
どんな論文か？
医用画像において, セグメンテーションしたい対象物の境界があいまいで同定しにくい状況はしばしば存在する. そのような場合でも高精度のセグメンテーションを実現するため, BPB (boundary preserving block), SBE (shape boundary-aware evaluator) という2つのモジュールを提案した論文.
新規性
ドメイン知識を保持するモジュールを導入した点. BPBは対象構造物の形状の特徴を記憶し, SBEはセグメンテーション結果とBPBの知識との整合性を評価する. ネットワーク本体とSBEを敵対的に学習することにより, ドメイン知識的にあり得ないようなセグメンテーションを防ぐ. さらに, BPBとSBEはあくまで一機構にすぎないので, 既存のセグメンテーションネットワークに組み込むことが可能.
結果
皮膚画像からの病変のセグメンテーション(PH2+ISBI 2016 dataset), 経膣超音波検査からの子宮内膜のセグメンテーション(TVUS dataset)でそれぞれ検証. U-Net, FCN, Dilated-Netにそれぞれ提案モジュールであるBPB, SBEを組み合わせることで, Dice係数, Jaccard係数がいずれも上昇した.
その他（なぜ通ったか？等）
- …
- …