エンコーダ-デコーダネットワーク構造がターゲット抽出において無関係なセマンティクスの抑制やセマンティックギャップの克服などの問題を解決し、高精度を得るために、U-Netを特徴抽出のバックボーンネットワークとして採用した。浅層特徴と深層特徴のセマンティクスの差異を軽減するために、注意機構を取り入れたマルチスケールセマンティックプーリングモジュール（Channel-Spatial-Pyramid、CSP）を設計し、初期層のスキップ接続に代わるものとした。CSPモジュールは空間およびチャネルの二つのレベルでより意味のあるセマンティック情報を強調し、4つの異なるプーリングカーネルの並列ブランチを通じて異なるスケールの特徴を抽出し、全てのブランチ結果を集約して後続層の特徴と連結する。実験結果は、CSP-Netがカラー眼底画像の視神経乳頭分割においてDice指数99.6%、視神経杯分割結果でDice指数92.1%を達成し、既存のアルゴリズムよりも改善されていることを示した。提案するCSP-Netは眼底画像における微細ターゲット抽出の有効性と耐干渉性が高く、緑内障のスクリーニングおよび診断の臨床的参考となる可能性がある。

マルチスケールセマンティック;注意機構;ターゲット抽出;U-net