頭頸部腫瘍は我が国で一般的な悪性腫瘍であり、その予後は主に頸部リンパ節転移の影響を受けます。医学では核磁気共鳴画像法（MRI）技術を用いて転移性リンパ節を画像化し、その後診断を行います。しかし、MRI技術の画像化には病変形態情報の欠如、病変領域のコントラスト低下、病変境界の不明瞭さという問題があります。これらの問題に対応するために、頭頸部腫瘍転移性リンパ節分割ネットワークを提案し、医師の診断を支援します。まず、層間・視野間注意モジュールを設計し、深層および浅層の特徴情報を受け取り自己注意機構を用いて深層および浅層の転移リンパ節形状をそれぞれ強調します。異なる受容野を持つ深層特徴マップからより良いセマンティックコンテキスト特徴を学習し、浅層特徴マップと深層特徴マップを画素ごとに融合し、転移リンパ病変領域の形態情報を強化します。次に、多重スケール特徴融合モジュールを設計し、特徴ピラミッドの初期位置で異なるスケールの特徴マップを融合し、転移リンパ病変領域の形態情報を豊富にします。さらに、強化注意予測ヘッドモジュールを設計し、予測前の特徴マップに対して並列の自己注意およびゲートチャネル変換モジュールを使用し、病変領域を強調し病変境界を細かくします。最後に、臨床リンパ節転移医学画像データセットを使用してネットワークの有効性を検証しました。実験結果は、本提案ネットワークがリンパ節転移病変分割においてAPdet、APseg、ARdet、ARseg、mAPdet、およびmAPsegでそれぞれ74.88%、74.12%、63.11%、62.28%、74.64%、74.04%を達成したことを示しています。本ネットワークはリンパ節転移病変領域の正確な検出と分割を実現し、リンパ節診断の支援に積極的な意義があります。

医学画像処理;頭頸部腫瘍;リンパ節転移;インスタンスセグメンテーション;注意機構