[論文レビュー] A New Probabilistic V-Net Model with Hierarchical Spatial Feature Transform for Efficient Abdominal Multi-Organ Segmentation

Minfeng Xu, Heng Guo+3 more|arXiv (Cornell University)|Aug 2, 2022

Radiomics and Machine Learning in Medical Imaging被引用数 4

ひとこと要約

本稿では、効率的で高精度な腹部多臓器セグメンテーションを実現するため、階層的空間特徴変換を備えた確率的V-Netを提案する。入力画像に条件づけられた変分オートエンコーダを用いて潜在空間における臓器固有の意味的変動をモデル化し、空間別アフィン変換を介してそれらを統合することで、nnUNetおよびCoTrと比較して約7倍の推論速度向上を達成するとともに、腎臓ではDiceスコアを7.3%、膵臓では9.7%向上した。

ABSTRACT

Accurate and robust abdominal multi-organ segmentation from CT imaging of different modalities is a challenging task due to complex inter- and intra-organ shape and appearance variations among abdominal organs. In this paper, we propose a probabilistic multi-organ segmentation network with hierarchical spatial-wise feature modulation to capture flexible organ semantic variants and inject the learnt variants into different scales of feature maps for guiding segmentation. More specifically, we design an input decomposition module via a conditional variational auto-encoder to learn organ-specific distributions on the low dimensional latent space and model richer organ semantic variations that is conditioned on input images.Then by integrating these learned variations into the V-Net decoder hierarchically via spatial feature transformation, which has the ability to convert the variations into conditional Affine transformation parameters for spatial-wise feature maps modulating and guiding the fine-scale segmentation. The proposed method is trained on the publicly available AbdomenCT-1K dataset and evaluated on two other open datasets, i.e., 100 challenging/pathological testing patient cases from AbdomenCT-1K fully-supervised abdominal organ segmentation benchmark and 90 cases from TCIA+&BTCV dataset. Highly competitive or superior quantitative segmentation results have been achieved using these datasets for four abdominal organs of liver, kidney, spleen and pancreas with reported Dice scores improved by 7.3% for kidneys and 9.7% for pancreas, while being ~7 times faster than two strong baseline segmentation methods(nnUNet and CoTr).

研究の動機と目的

• CTスキャンにおける腹部臓器の形状や外見の高い変動性に対処すること。
• 多様な解剖学的および病理的状態下でも、肝臓、腎臓、脾臓、膵臓のセグメンテーションのロバスト性と精度を向上させること。
• 多臓器セグメンテーションタスクにおいて高い性能を維持しつつ、高速な推論を実現する手法を開発すること。
• 入力画像に条件づけられた潜在空間を用いて、複雑な臓器固有の意味的変動を学習可能にすること。
• 学習された変動を階層的に特徴マップに統合し、セグメンテーションにおける空間的ガイダンスを強化すること。

提案手法

• 入力CT画像から低次元の潜在空間における臓器固有の分布を学習するため、条件付き変分オートエンコーダ（CVAE）を用いる。
• CVAEから得られた潜在コードを用いて、複数スケールの特徴マップのモジュレーションに必要な空間別アフィン変換パラメータを予測する。
• 階層的空間特徴変換により、学習された意味的変動を異なるレベルのデコーダ特徴マップに統合し、細粒度のセグメンテーションを向上させる。
• 不確実性をモデル化し、形状および強度の変動に対するロバスト性を向上させるために、確率的デコードをV-Netアーキテクチャに拡張する。
• AbdomenCT-1Kデータセット上でエンドツーエンドに学習し、2つのオープンベンチマーク（AbdomenCT-1K：100テストケース、TCIA+&BTCV：90ケース）で評価する。
• 空間別アフィン変換を用いて特徴マップを条件づけてモodulateすることで、臓器固有のパターンに動的に適応可能となる。

実験結果

リサーチクエスチョン

• RQ1 学習された潜在的臓器変動を備えた確率的V-Netは、挑戦的な腹部CTスキャンにおけるセグメンテーション精度を向上させることができるか？
• RQ2 階層的空間特徴変換は、臓器セグメンテーションにおけるマルチスケール特徴のモジュレーションをどのように向上させるか？
• RQ3 臓器固有の意味的変動を統合することで、性能を損なわずに高速な推論が可能になるか？
• RQ4 本モデルは病理的および多様な解剖学的状態にどの程度一般化可能か？
• RQ5 nnUNetやCoTrといった最先端モデルと比較して、性能および速度の面でどのように差がつくか？

主な発見

• 提案手法は、AbdomenCT-1Kテストセットにおいて、強力なベースラインと比較して腎臓のDiceスコアを相対的に7.3%向上させた。
• 膵臓では9.7%のDiceスコア向上が記録され、最も挑戦的な臓器において顕著な向上が得られた。
• nnUNetおよびCoTrと比較して、推論速度が約7倍速くなった。これは、大幅な効率性の向上を示している。
• AbdomenCT-1Kの100例の困難で病理的なケースにおいても、本手法はロバストな性能を示し、一般化能力を確認した。
• 空間別アフィン変換を介してCVAEで学習された臓器固有の変動を統合したことで、特徴のモジュレーションとセグメンテーション精度が向上した。
• TCIA+&BTCVデータセットにおける定量的評価結果により、本手法の優れた性能と多様なデータ分布への一般化能力がさらに裏付けられた。