GCA-ResUNetを用いた医用画像セグメンテーション

本論文は、新しい医用画像セグメンテーションフレームワークであるGCA-ResUNetを紹介しています。既存のU-NetおよびTransformerベースの手法の限界に対処するため、軽量なGrouped Coordinate Attention（GCA）モジュールを組み込んでいます。GCAモジュールは、計算効率を維持しながら、グローバル表現と空間的依存関係のキャプチャを強化し、リソース制約のある臨床環境に適しています。本論文の重要性は、複雑な境界を持つ小さな構造のセグメンテーション精度を向上させる可能性があり、臨床展開のための実用的なソリューションを提供することにあります。

• •新しい医用画像セグメンテーションフレームワークであるGCA-ResUNetを提案。
• •パフォーマンス向上のためにGrouped Coordinate Attention（GCA）モジュールを採用。
• •ベンチマークデータセットで、既存のCNNおよびTransformerベースの方法を上回る。
• •精度と計算効率の間の好ましいトレードオフを提供する。
• •リソース制約のある臨床環境に適している。