[論文レビュー] A Normalized Fully Convolutional Approach to Head and Neck Cancer Outcome Prediction

William Le, Francisco Romero+1 more|arXiv (Cornell University)|May 28, 2020

Radiomics and Machine Learning in Medical Imaging参考文献 3被引用数 4

ひとこと要約

本論文では、治療前PET-CTスキャンを用いた頭頸部がんの生存予測のため、正規化された完全畳み込みネットワーク（FCN）プレプロセッサと集約型残差畳み込みニューラルネットワーク（AggResCNN）を組み合わせた手法を提案する。マルチモodal画像データを統合し、FCNによる特徴正規化を活用することで、最先端のモデルよりも6ポイント高い0.76のAUCを達成するとともに、モデルパラメータを27%以上削減し、予測性能と効率性の両面で向上を実証した。

ABSTRACT

In medical imaging, radiological scans of different modalities serve to enhance different sets of features for clinical diagnosis and treatment planning. This variety enriches the source information that could be used for outcome prediction. Deep learning methods are particularly well-suited for feature extraction from high-dimensional inputs such as images. In this work, we apply a CNN classification network augmented with a FCN preprocessor sub-network to a public TCIA head and neck cancer dataset. The training goal is survival prediction of radiotherapy cases based on pre-treatment FDG PET-CT scans, acquired across 4 different hospitals. We show that the preprocessor sub-network in conjunction with aggregated residual connection leads to improvements over state-of-the-art results when combining both CT and PET input images.

研究の動機と目的

• マルチモーダルな治療前PET-CT画像を用いて、頭頸部がん患者の生存予後を改善すること。
• 高次元かつマルチドメインの医療画像データの課題に対処するため、深層学習を活用して強固な特徴抽出を実現すること。
• 分類性能を維持または向上させながら、モデルの複雑さとパラメータ数を削減すること。
• 完全畳み込みプレプロセッサがPETおよびCTモダリティ間で特徴を正規化・強化できることを検証し、生存分類性能の向上に寄与するかを調査すること。
• 不均衡な生存予後を示す多施設TCIAデータセットを用いて、手法の妥当性を検証すること。

提案手法

• 多モodal PET-CT入力を正規化するため、4つのダウンサンプリングおよび4つのアップサンプリングブロックを有する完全畳み込みネットワーク（FCN）サブネットワークをプレプロセッサとして使用する。
• FCNは、スケーリング指数線形ユニット（SeLU）活性化関数を用いた3×3畳み込みと、対応するダウンサンプリングおよびアップサンプリングブロック間のスキップ接続を採用する。
• 18層の集約型残差畳み込みニューラルネットワーク（AggResCNN）を分類器として使用し、グループ化畳み込み（基数32）と残差ショートカットを組み合わせることで、消失勾配を低減する。
• FCNの出力をCT画像と連結し、AggResCNNに供給する。AggResCNNはグローバル平均プーリングとソフトマックス層を用いて二値分類（生存対死亡）を実行する。
• データオーグメンテーション（反転、シフト、回転）を適用して、死亡例が僅か19%（298例中56例）のデータセットのバランスを回復する。
• 1つのGPU上で100エポックにわたり、カテゴリカル交差エントロピー損失とAdam最適化法（初期値学習率0.0006）を用いて、エンドツーエンドでモデルを訓練する。

実験結果

リサーチクエスチョン

• RQ1 完全畳み込みプレプロセッサは、頭頸部がん生存予測におけるマルチモーダルPET-CT画像の特徴表現を向上させることができるか？
• RQ2 深層学習アーキテクチャを用いてPETとCT画像を統合することで、CT単独よりも良好な生存予測が達成できるか？
• RQ3 集約型残差畳み込みは、先行する最先端モデルと比較して、パラメータ数を削減しながら性能を維持または向上させることができるか？
• RQ4 FCNプレプロセッサは、主病巣体積（GTV）を超える特徴を学習することで、性能向上に寄与するか？
• RQ5 PET画像の追加は、CT単独入力と比較して分類性能にどのように影響を与えるか？

主な発見

• 提案されたFCN+AggResCNNモデルは、TCIA頭頸部がんデータセットでAUC 0.76を達成し、先行する最先端モデル（0.70）よりも6ポイントの向上を示した。
• モデルのパラメータ数は683,650にまで削減され、先行モデル（930,146パラメータ）と比較して27%の削減が達成された。
• FCNプレプロセッサは、PET+CT入力（AUC 0.76）に対して、ベースラインのAggResCNN（AUC 0.74）よりも性能を向上させた。これは、マルチモーダル特徴の正規化が有効であったことを示している。
• マスク処理を施したCT（腫瘍領域のみ）では、CNNベースラインの性能が全CTより優れていた（0.67 vs. 0.57）。しかし、FCN+AggResCNNモデルでは、全CT（0.70）の方がマスクCT（0.67）よりも優れた性能を示し、FCNがGTV以外の有用な特徴を抽出していることが示唆された。
• PET単独入力では、FCN+AggResCNNで最も悪い性能（AUC 0.57）を示した。これは、解像度が低く、非腫瘍性組織に取り込みがないため、PETが独立した予測力を持たないことを示している。
• モデルは91%の感度と61%の特異度を達成し、クラス不均衡にもかかわらず死亡例の検出能が強く、優れた性能を示した。