[論文レビュー] A Deep Learning-based Quality Assessment and Segmentation System with a Large-scale Benchmark Dataset for Optical Coherence Tomographic Angiography Image

Yufei Wang, Yiqing Shen+7 more|arXiv (Cornell University)|Jul 22, 2021

Retinal Imaging and Analysis参考文献 53被引用数 13

ひとこと要約

本論文では、光学コherenceトモグラフィー血管造影（OCTA）画像における自動化された品質評価および黄斑無血管領域（FAZ）セグメンテーションのための深層学習ベースのコンピュータ支援システム、COIPSを提案する。本研究は、大規模で公開可能なデータセット（OCTA-25K-IQA-SEG）を活用し、Swin-Transformer-Largeモデルが品質分類で91%の正確性と92%の精度を達成するなど、最先端の性能を示した。また、U-NetベースのモデルはFAZセグメンテーションで95%のDiceスコアを達成した。

ABSTRACT

Optical Coherence Tomography Angiography (OCTA) is a non-invasive and non-contacting imaging technique providing visualization of microvasculature of retina and optic nerve head in human eyes in vivo. The adequate image quality of OCTA is the prerequisite for the subsequent quantification of retinal microvasculature. Traditionally, the image quality score based on signal strength is used for discriminating low quality. However, it is insufficient for identifying artefacts such as motion and off-centration, which rely specialized knowledge and need tedious and time-consuming manual identification. One of the most primary issues in OCTA analysis is to sort out the foveal avascular zone (FAZ) region in the retina, which highly correlates with any visual acuity disease. However, the variations in OCTA visual quality affect the performance of deep learning in any downstream marginally. Moreover, filtering the low-quality OCTA images out is both labor-intensive and time-consuming. To address these issues, we develop an automated computer-aided OCTA image processing system using deep neural networks as the classifier and segmentor to help ophthalmologists in clinical diagnosis and research. This system can be an assistive tool as it can process OCTA images of different formats to assess the quality and segment the FAZ area. The source code is freely available at https://github.com/shanzha09/COIPS.git. Another major contribution is the large-scale OCTA dataset, namely OCTA-25K-IQA-SEG we publicize for performance evaluation. It is comprised of four subsets, namely sOCTA-3$ imes$3-10k, sOCTA-6$ imes$6-14k, sOCTA-3$ imes$3-1.1k-seg, and dOCTA-6$ imes$6-1.1k-seg, which contains a total number of 25,665 images. The large-scale OCTA dataset is available at https://doi.org/10.5281/zenodo.5111975, https://doi.org/10.5281/zenodo.5111972.

研究の動機と目的

• 動きやぼやけ、中心からのずれなどのアーティファクトに起因する、手作業による時間のかかる、一貫性のないOCTA画像の品質評価という臨床的課題に対処する。
• 網膜疾患（糖尿病網膜症や緑内障など）の重要なバイオマーカーである黄斑無血管領域（FAZ）の自動セグメンテーションを実現する。
• 人的に手間のかかるFAZ測定に依存するのを減らし、大規模なバイオスタティスティカル研究を促進する。
• さまざまなOCTA画像フォーマットに対応できる汎用的でフォーマットに依存しないシステムを構築し、標準化されたPNG変換によって異なる取得システムとの互換性を確保する。
• OCTA画像解析分野の研究を加速するために、公開可能な大規模ベンチマークデータセット（OCTA-25K-IQA-SEG）を提供する。

提案手法

• OCTA画像の品質評価に、ResNet-101、Inception-V3、EfficientNet-B7、SE-ResNeXt-101、Swin-Transformer-Largeといった複数のバックボーンアーキテクチャを用いた深層学習パイプラインを開発した。
• 品質評価タスクにおけるクラス不均衡を扱うために、修正された交差エントロピー損失関数を適用した。
• nnU-Netフレームワークに基づくU-Netに類似したアーキテクチャを用いてFAZセグメンテーションを実施し、境界の正確な局所化を可能にした。
• すべてのOCTA画像を統一されたPNGフォーマットに変換することで、異なる取得システムやファイル形式との互換性を確保した。
• エンドツーエンドの処理を実行：品質スコアリング、FAZセグメンテーション、臨床利用に向けた自動レポート生成。
• 大規模ベンチマークデータセットOCTA-25K-IQA-SEGは、合計25,665枚の画像を含む4つのサブセットから構成されており、品質評価およびセグメンテーションラベル付きデータが含まれる。

実験結果

リサーチクエスチョン

• RQ1 深層学習モデルは、信号強度を超えて、動きやオフセンタリングなどのアーティファクトに対してもOCTA画像の品質を効果的に分類できるか？
• RQ2 異なるOCTA画像解像度および視野（FOV）サイズにおいて、深層学習モデルによる黄斑無血管領域（FAZ）のセグメンテーション精度はどの程度か？
• RQ3 異なるOCTA画像フォーマットや取得プロトコルにおいて、モデルの性能はどの程度変動するか？
• RQ4 統一された深層学習システムは、多様なOCTA画像入力に対応し、一貫した品質評価およびセグメンテーション結果を提供できるか？
• RQ5 Swin-Transformerなどの最先端のビジョントランスフォーマーは、CNNベースのモデルと比較して、OCTA画像の品質分類においてどの程度優れているか？

主な発見

• Swin-Transformer-Largeモデルは、3×3 mm² sOCTAの品質評価において、91%の正確性、92%の精度、91%のF1スコアを達成し、最高の性能を示した。
• 6×6 mm² dOCTA画像では、SE-ResNeXt-101モデルが90%の正確性、90%の精度、90%のF1スコアを達成し、他のアーキテクチャを上回った。
• sOCTA-3×3-1.1k-segデータセットでは、FAZセグメンテーションモデルがDice係数0.95を達成し、高いセグメンテーション正確性を示した。
• dOCTA-6×6-1.1k-segデータセットでは、モデルがDice係数0.89を達成し、血管境界が明確でないためやや低い性能を示した。
• 提案されたCOIPSシステムは、さまざまな画像フォーマットや視野サイズにおいて優れた汎用性を示し、自動的で信頼性が高く、効率的な処理を可能にした。
• 公開されたOCTA-25K-IQA-SEGデータセットは、現在までで最も大規模なベンチマークであり、品質評価およびセグメンテーション用にラベル付けされた25,665枚のOCTA画像を含む。