[論文レビュー] A Domain Guided CNN Architecture for Predicting Age from Structural Brain Images

Pascal Sturmfels, Saige Rutherford+4 more|arXiv (Cornell University)|Aug 11, 2018

Domain Adaptation and Few-Shot Learning被引用数 13

ひとこと要約

本論文は、脳領域固有の特徴を学習し、初期層でより多くのフィルタを用いることで、性能と学習速度を向上させるドメインガイドド3次元CNNアーキテクチャを提案する。平均絶対誤差（MAE）1.4年を達成し、1.6のMAEを示すベースラインCNNを上回る。学習は30%高速化されており、自然画像用に設計されたCNNの仮定が神経画像データに直接適用できないことを示している。

ABSTRACT

Given the wide success of convolutional neural networks (CNNs) applied to natural images, researchers have begun to apply them to neuroimaging data. To date, however, exploration of novel CNN architectures tailored to neuroimaging data has been limited. Several recent works fail to leverage the 3D structure of the brain, instead treating the brain as a set of independent 2D slices. Approaches that do utilize 3D convolutions rely on architectures developed for object recognition tasks in natural 2D images. Such architectures make assumptions about the input that may not hold for neuroimaging. For example, existing architectures assume that patterns in the brain exhibit translation invariance. However, a pattern in the brain may have different meaning depending on where in the brain it is located. There is a need to explore novel architectures that are tailored to brain images. We present two simple modifications to existing CNN architectures based on brain image structure. Applied to the task of brain age prediction, our network achieves a mean absolute error (MAE) of 1.4 years and trains 30% faster than a CNN baseline that achieves a MAE of 1.6 years. Our results suggest that lessons learned from developing models on natural images may not directly transfer to neuroimaging tasks. Instead, there remains a large space of unexplored questions regarding model development in this area, whose answers may differ from conventional wisdom.

研究の動機と目的

• 2次元自然画像を対象に設計された標準的なCNNアーキテクチャを、3次元構造的脳MRIデータに適用する際の限界を解決すること。
• 自然画像CNNの根幹的仮定であるトランスレーション不変性が、神経画像データにおいても成り立つかを調査すること。
• 脳の解剖的構造に合わせたCNNアーキテクチャの最適化を通じて、脳MRIにおける年齢予測の性能と学習効率を向上させること。
• 自然画像向けに最適化されたアーキテクチャ選択が、神経画像処理タスクには最適でない可能性を示すこと。

提案手法

• 異なる脳領域で異なるパラメータを学習する領域固有の畳み込みフィルタを導入し、位置依存のパターンを捉える。
• 最初の畳み込み層のフィルタ数を増やし、以降のブロックでは段階的に減少させることで、初期段階での特徴学習を強化する。
• 3次元畳み込みを適用して、全脳ボリューム全体の空間的構造を保持し、2次元スライスベースの処理を回避する。
• 標準的な3次元CNNバックボーンを採用するが、フィルタの分布とパラメータ共有を神経解剖学的制約に合わせて変更する。
• 年齢をターゲットラベルとして、フィラデルフィア神経発達コhort（PNC）データセットを用いてモデルを学習する。
• 平均絶対誤差（MAE）と平均二乗誤差（MSE）を用いて性能を評価し、標準的な3次元CNNベースラインと比較する。

実験結果

リサーチクエスチョン

• RQ1 2次元自然画像用に設計されたCNNの仮定（例：トランスレーション不変性）を3次元脳MRIデータに適用すると、性能が最適でなくなるか？
• RQ2 初期層でのフィルタ数を増やすことで特徴学習を向上させると、年齢予測性能と学習速度が向上するか？
• RQ3 畳み込み層で領域固有のパラメータ共有を採用することで、標準的な重み共有と比較して、脳年齢予測のモデル性能が向上するか？
• RQ4 アーキテクチャの改善は、トレーニングデータサイズの変動やモデル容量の変化に対してどれほど頑健か？
• RQ5 神経画像処理に特化したアーキテクチャの修正は、全結合層のパラメータ数を調整した場合でも、標準CNNを上回る性能を示せるか？

主な発見

• 提案アーキテクチャは、脳年齢予測において平均絶対誤差（MAE）1.4年を達成し、1.6 MAEを示すベースライン3次元CNNを上回った。
• 性能が向上する一方で、ベースラインCNNより30%高速に学習が完了し、最適化効率の向上を示している。
• トレーニングデータサイズが小さい場合、提案モデルとベースラインの性能差が拡大する傾向にあり、小規模データセットに対してより頑健であることが示された。
• 異なるデータダウンサンプリングタイプや異なるトレーニング例数の条件下でも、一貫した性能向上が維持された。
• 全結合層のパラメータ数を減らしたとしても、性能が悪化するため、改善はパラメータ数の削減によるものではない。
• 重み初期化の変化に伴う性能のばらつきが少なく、学習の安定性が向上していることが示された。