脈絡膜と強膜間のコントラストが低く、脈絡膜の下端境界が不明瞭で判別が困難な問題に対処するため、注意機構を融合したTransGLnet脈絡膜自動セグメンテーションネットワークを提案した。畳み込み層にグローバルアテンションモジュール（Global Attention Module、GAM）を導入し、特徴間の行列積を適用し、全空間位置にわたる複数の特徴間で非線形相互作用を構築し、多くのパラメータを使用せずにグローバル特徴を抽出する。畳み込み層とトランスフォーマーエンコーダの間にローカルアテンションモジュール（Local Attention Module、LAM）を導入し、1/4特徴マップを基本単位として局所特徴を探索し、特徴マップ要素の位置移動ルールは行位置の要素を変更せず、列位置の要素を大きい順に再配置する。両モジュールの融合により、ネットワークはグローバルとローカルの両特徴を効果的に考慮できる。実験結果は、TransGLnetネットワークのDice値が0.91、精度が0.98、平均交差比が0.89、F1値が0.90、ハウスドルフ距離が6.56であることを示した。既存の脈絡膜自動セグメンテーション法と比較して、本手法はすべての性能指標で改善を示した。TransGLnet脈絡膜自動セグメンテーションネットワークは安定性に優れ、臨床での参考に適している。

医用画像処理;脈絡膜自動セグメンテーション;TransUnet;グローバルアテンション;ローカルアテンション