Xiaoqi-Zhao-DLUT/MSNet-M2SNet

何を解決するか

このプロジェクトは、高精度な医療画像セグメンテーション向けに設計された2つのニューラルネットワークアーキテクチャ、MSNetとM2SNetを提供します。医療スキャンから特定の解剖学的構造や病変（ポリープ、COVID-19肺感染症、乳腺腫瘍など）を正確に識別・分離する課題に対処し、計算量（FLOPs）を低く抑えます。

仕組み

システムは「マルチスケール減算ネットワーク」アプローチを使用します。層内および層間のマルチスケール減算設計を採用し、異なるスケールの特徴を捉え、ターゲットオブジェクトと背景の区別をより正確に行います。また、トレーニング不要の損失ネットワークを含み、セグメンテーションプロセスを最適化します。

対象ユーザー

このプロジェクトは、大腸内視鏡におけるポリープセグメンテーション、CTスキャンでの肺感染症分析、眼科におけるOCT層セグメンテーションなどのAI駆動診断ツールを開発する医療画像研究者や開発者向けです。

特徴

• マルチスケール減算: 層内および層間の専用構造を使用してセグメンテーションマップを精緻化します。
• 多様な医療応用: ポリープ（画像および動画）、COVID-19肺感染症、乳腺超音波、OCT層など、多様なデータセットで有効性が実証されています。
• 計算効率: 特にRes2Net-50バックボーンを使用する場合、低FLOPs設計となっています。
• 受賞歴あり: MICCAI 2022 GOALSチャレンジで緑内障OCT解析部門で2位を獲得しました。