U字型ネットワーク構造による脳腫瘍自動分割方法は、複数回の畳み込みおよびサンプリング操作により情報損失が発生し、分割性能が悪化する。これを解決するために、意味情報の流れを利用してアップサンプリング特徴の復元を誘導する特徴整合ユニットを提案し、これに基づいて軽量な二重注意特徴整合ネットワーク（DAFANet）を設計した。まず、特徴整合ユニットを3D UNet、DMFNet、HDCNetの3つの代表的ネットワークにそれぞれ導入し、その有効性と汎用性を検証した。次に、DMFNetを基に軽量の二重注意特徴整合ネットワークDAFANetを構築し、特徴整合ユニットを利用してアップサンプリング過程での特徴復元を強化した。3D期待最大化注意機構は特徴整合パスとカスケードパスの両方に同時に作用し、文脈全体の依存関係を重点的に取得する。また、一般化Dice損失関数を用いてデータの不均衡時における分割精度を向上させ、モデルの収束を加速した。最後に、BraTS2018およびBraTS2019公開データセットにて検証を行い、本論文のアルゴリズムはET、WT、TC領域の分割精度がそれぞれ80.44%、90.07%、84.57%および78.11%、90.10%、82.21%に達した。現在一般的な分割ネットワークと比較して、増強された腫瘍領域に対してより良い分割効果を有し、細部や境界情報の処理に優れる。

脳腫瘍;画像分割;特徴整合;注意機構;軽量化