Core Concepts
新しいCSwin UNetモデルと自己教師付き事前学習フレームワークを導入して、臨床的に有意な前立腺がん(csPCa)を効果的に検出する方法を提案しました。
Abstract
背景:
前立腺がん(PCa)は男性で最も一般的な非皮膚がんです。
多施設の公開データセットを使用して、提案手法の効果を示しました。
方法:
CSwin UNetモデルの構造やエンコーダー、デコーダーの詳細を説明。
自己教師付き学習戦略とその3つの先行タスク(対比学習、コンテキスト復元、回転予測)について説明。
結果:
PI-CAIおよびProstate158データセットでのパフォーマンス分析結果を示す。
提案手法は他のモデルよりも優れた検出能力を持ち、外部データでも汎化性能が高いことを示した。
考察:
ビジョントランスフォーマーに基づく新しいアーキテクチャであるCSwin UNetは、グローバルコンテキストを効果的に捉えることができます。
Stats
大規模な前立腺bpMRIデータセット1500人から得られた5分割交差検証では、自己教師付きCSwin UNetは0.888±0.010 AUCおよび0.545±0.060平均適合率(AP)を達成しました。
Quotes
"ビジョントランスフォーマーは医用画像解析で競争力あるパフォーマンスを発揮しています。"
"提案された自己教師付き事前学習方法は外部データへのモデル汎化性能向上に貢献します。"