Ein neues Verfahren namens TokenUNet ermöglicht die effiziente Verarbeitung von 3‑dimensionalen medizinischen Bilddaten, indem es den Speicherverbrauch, die Berechnungszeit und die Modellgröße deutlich reduziert, ohne die Segmentierungsgenauigkeit zu beeinträchtigen. Die im PLOS ONE veröffentlichte Studie zeigt, dass das schwerste TokenUNet‑Modell nur noch 38 % des Speicherbedarfs, 10 % der Inferenzzeit und 17 % der Parameterzahl von SwinUNETR aufweist, während die Dice‑Score‑Leistung statistisch gleichwertig bleibt.
Hintergrund
Transformer‑Architekturen haben in der medizinischen Bildanalyse dank ihrer globalen Aufmerksamkeitsmechanismen an Bedeutung gewonnen. Gleichzeitig wachsen die rechnerischen Anforderungen exponentiell, weil die Aufmerksamkeit quadratisch zur Token‑Anzahl skaliert, die wiederum an die kubische Auflösung des 3‑D‑Eingangs gekoppelt ist. Diese Skalierung erschwert den Einsatz auf Standard‑Hardware.
Methodik
Die Autoren kombinieren die Module TokenLearner und TokenFuser mit einer herkömmlichen UNet‑Struktur. Der TokenLearner extrahiert eine festgelegte Menge an Token aus lokalen und globalen Merkmalen, wodurch die Token‑Zahl von der Eingangsgröße entkoppelt wird. Anschließend fusioniert TokenFuser die Token‑Informationen wieder mit den konvolutionalen Pfaden, um die Segmentierung fortzusetzen. Auf diese Weise bleibt der konvolutionale Encoder erhalten, während die rechenintensive Aufmerksamkeit nur auf einer stark reduzierten Token‑Menge angewendet wird.
Experimentelle Bewertung
Für die Evaluation wurde das BraTS‑Datenset, das hochauflösende MRT‑Scans von Gliomen enthält, verwendet. Die Studie führte eine 5‑fach‑Kreuzvalidierung nach dem nnU‑Net‑v2‑Protokoll durch. Alle Modelle wurden unter identischen Trainingsbedingungen getestet, um die Vergleichbarkeit zu gewährleisten.
Ergebnisse
Im Vergleich zu SwinUNETR reduzierte TokenUNet den Speicherbedarf auf 38 % und die Inferenzzeit auf 10 % bei gleichzeitigem Rückgang der Parameterzahl auf 17 %. Trotz dieser Einsparungen erreichte das Modell eine Dice‑Score‑Leistung, die nach statistischer Auswertung nicht signifikant von der von SwinUNETR abwich. Zusätzlich erzeugten die Token‑basierenden Aufmerksamkeitskarten interpretierbare Visualisierungen der relevanten Bildregionen.
Bedeutung für die Forschung
Die Ergebnisse eröffnen neue Möglichkeiten für die Entwicklung und das Fine‑Tuning von 3‑D‑Segmentierungsmodellen in Umgebungen mit begrenzter Rechenkapazität. Durch die geringeren Anforderungen können Forschungsteams schneller experimentieren und Transfer‑Learning‑Ansätze auf breiter Basis einsetzen, was die Diversifizierung von Bildanalyse‑Methoden beschleunigt.
Dieser Bericht basiert auf Informationen von PLOS ONE, lizenziert unter Creative Commons BY 4.0 (Open Access). Wissenschaftliche Inhalte, offen zugänglich.
Ende der Uebertragung