[論文レビュー] 3D Anchor-Free Lesion Detector on Computed Tomography Scans

Ning Zhang, Dechun Wang+5 more|arXiv (Cornell University)|Aug 29, 2019

Medical Imaging Techniques and Applications参考文献 21被引用数 4

ひとこと要約

本稿では、CTスキャンにおける3次元アンカーフリー病変検出フレームワークを提案し、アンカーベースのバウンディングボックスではなく、単一のキーポイントとして病変をモデル化する。アンカーを排除することで、特に困難な、大きな、または境界付近に位置する病変において、アンカーベースのベースラインに比べて優れた精度と高速な推論速度を達成する。

ABSTRACT

Lesions are injuries and abnormal tissues in the human body. Detecting lesions in 3D Computed Tomography (CT) scans can be time-consuming even for very experienced physicians and radiologists. In recent years, CNN based lesion detectors have demonstrated huge potentials. Most of current state-of-the-art lesion detectors employ anchors to enumerate all possible bounding boxes with respect to the dataset in process. This anchor mechanism greatly improves the detection performance while also constraining the generalization ability of detectors. In this paper, we propose an anchor-free lesion detector. The anchor mechanism is removed and lesions are formalized as single keypoints. By doing so, we witness a considerable performance gain in terms of both accuracy and inference speed compared with the anchor-based baseline

研究の動機と目的

• アンカーベースの3次元病変検出がCTスキャンにおいて抱える限界、特に高い誤検出率とアンカーパラメータ設定への感受性を是正すること。
• アンカーメカニズムを排除することで、一般化性能の制限と計算負荷の増加を緩和し、検出性能と推論速度を向上させること。
• キーマップに依存しないスライス検出に耐性を持つ、実用的な臨床応用を可能にする、強固な病変検出を実現すること。
• 3次元病変検出が、CTスキャンにおける病変の非重複性を活かして、キーポイント検出タスクに再定式化可能かどうかを検証すること。

提案手法

• エンコーダーとデコーダーパathを結ぶスキップ接続を備えた、U-Netに類似した3次元アーキテクチャを採用し、空間的詳細を保持する。
• 病変を単一のキーポイント（中心点）としてモデル化することで、アンカーテンプレートの必要性を排除し、誤検出を低減する。
• 複数スケールの特徴マップに検出ヘッドを接続し、バウンディングボックス回帰を伴わず、キーポイントの位置と信頼度スコアを予測する。
• 各解像度レベルで上流および下流の特徴を連結することで特徴の統合を実現し、局所化精度を向上させる。
• トレーニングではサイズ64×128×128のランダムクロップを用い、テストではスライディングウィンドウ推論を適用して大規模なCTボリュームを処理する。
• 予測された中心点と真値中心点の間でIoUベースのマッチングを用い、キーポイント局所化を監視する修正された損失関数を採用する。

実験結果

リサーチクエスチョン

• RQ1 3次元アンカーフリー物体検出フレームワークは、CTスキャンにおける病変検出でアンカーベース手法を上回る性能を達成できるか？
• RQ2 アンカーフリー設計は、推論速度および大きな病変や境界付近に位置する病変に対するロバストネスにどのように影響するか？
• RQ3 多様な病変タイプにおいて、病変を単一のキーポイントとしてモデル化することは、アンカーベースの回帰に比べ、再現率と適合率の面で優れているか？
• RQ4 キーマップに依存しない検出設定において、本手法は、事前にキーマップの位置を知っている必要がある先行手法に比べてどのように性能を発揮するか？

主な発見

• アンカーフリー3次元病変検出器は、FROCスコアと推論速度の両面でアンカーベースベースラインを上回り、Tesla K80上での推論時間が12%高速化された。
• アンカーフリーモデルは、大きな病変（30mm以上）に対して顕著に優れたロバストネスを示し、性能の低下がなく、一方アンカーベースモデルは不安定さと収束の遅さを示した。
• DeepLesionデータセットでは、アンカーフリーモデルが平均FROCスコア0.852を達成し、アンカーベースモデルの0.821を上回った。
• 本手法は病変タイプにかかわらず高い性能を維持し、軟部組織病変の再現率の低下が最小限に抑えられた。これに対して、先行手法は骨および腎臓病変において顕著に性能が低下した。
• アンカー由来の局所化バイアスが存在しないため、未観測の病変サイズや位置（スキャン境界付近を含む）に対しても、良好な一般化性能を示した。
• アンカーフリー設計により、非最大抑制（NMS）のボトルネックが解消され、特に高密度領域での推論が著しく高速化された。