BertsWin：トポロジーを維持した3D医用画像解析の高速化

本論文は、自己教師あり学習（SSL）とVision Transformers（ViTs）を3D医用画像に適用する際の課題、特にMasked Autoencoders（MAEs）が3D空間関係を捉えることの限界に焦点を当てています。著者は、BERTスタイルのトークンマスキングとSwin Transformerウィンドウを組み合わせ、空間コンテキスト学習を改善するハイブリッドアーキテクチャBertsWinを提案しています。主な革新は、完全な3Dトークングリッドを維持し、空間トポロジーを保持し、構造優先度損失関数を使用することです。本論文は、標準的なViT-MAEベースラインと比較して、収束速度とトレーニング効率の大幅な改善を示しており、計算上のペナルティも発生していません。これは、3D医用画像解析の分野への重要な貢献です。

• •SSLを用いた3D医用画像解析のための新しいアーキテクチャ、BertsWinを提案。
• •BERTスタイルのマスキングとSwin Transformerウィンドウを組み合わせ、空間コンテキスト学習を改善。
• •空間トポロジーを維持するために、完全な3Dトークングリッドを維持。
• •既存の手法と比較して、収束速度とトレーニング効率の大幅な改善を達成。
• •3D CTスキャンを用いたTMJセグメンテーションにおいて、アプローチの有効性を実証。