[論文レビュー] Accurate Retinal Vessel Segmentation via Octave Convolution Neural Network

Zhun Fan, Jiajie Mo+7 more|arXiv (Cornell University)|Jun 28, 2019

Retinal Imaging and Analysis参考文献 74被引用数 27

ひとこと要約

本稿では、色眼底画像における正確な網膜血管分離を実現するため、マルチスケール周波数特徴を捉えるためにオクターブ畳み込みおよびオクターブ逆畳み込みを用いた、新しいエンコーダ・デコーダ型畳み込みニューラルネットワーク「Octave UNet」を提案する。本手法は、HRFデータセットで0.9698のAUROCを達成し、1枚あたり約0.4秒の高速推論、画像アーチファクトおよび異常に対する高いロバスト性を示し、ベースラインUNetおよび先行研究の最先端手法を上回る性能を発揮する。

ABSTRACT

Retinal vessel segmentation is a crucial step in diagnosing and screening various diseases, including diabetes, ophthalmologic diseases, and cardiovascular diseases. In this paper, we propose an effective and efficient method for vessel segmentation in color fundus images using encoder-decoder based octave convolution networks. Compared with other convolution networks utilizing standard convolution for feature extraction, the proposed method utilizes octave convolutions and octave transposed convolutions for learning multiple-spatial-frequency features, thus can better capture retinal vasculatures with varying sizes and shapes. To provide the network the capability of learning how to decode multifrequency features, we extend octave convolution and propose a new operation named octave transposed convolution. A novel architecture of convolutional neural network, named as Octave UNet integrating both octave convolutions and octave transposed convolutions is proposed based on the encoder-decoder architecture of UNet, which can generate high resolution vessel segmentation in one single forward feeding without post-processing steps. Comprehensive experimental results demonstrate that the proposed Octave UNet outperforms the baseline UNet achieving better or comparable performance to the state-of-the-art methods with fast processing speed. Specifically, the proposed method achieves 0.9664 / 0.9713 / 0.9759 / 0.9698 accuracy, 0.8374 / 0.8664 / 0.8670 / 0.8076 sensitivity, 0.9790 / 0.9798 / 0.9840 / 0.9831 specificity, 0.8127 / 0.8191 / 0.8313 / 0.7963 F1 score, and 0.9835 / 0.9875 / 0.9905 / 0.9845 Area Under Receiver Operating Characteristic curve, on DRIVE, STARE, CHASE_DB1, and HRF datasets, respectively.

研究の動機と目的

• ノイズが多く、コントラストが低い眼底画像における、サイズ、形状、強度が多様な網膜血管を分離する課題に対処すること。
• オクターブ畳み込みを用いてマルチスケール周波数表現を活用することで、特徴の学習効率と精度を向上させること。
• パッチベースの推論や後処理を排除し、1回の順伝播でエンドツーエンドのフル画像分離を可能にする。
• 臨床的ないくつかの眼底画像に一般的に見られる出血、漏出、不均一な照明などのアーチファクトに対して、ロバスト性を高めること。
• ベースラインUNetおよび既存の最先端手法を上回る、高い分離精度と計算効率を同時に達成すること。

提案手法

• 本手法は、特徴マップを高周波数帯と低周波数帯に分割することで、効率的なマルチスケール特徴学習を可能にするオクターブ畳み込みを導入する。
• デコーダパスにおけるマルチ周波数特徴のアップサンプリングと再構築を効果的に行うために、新しい演算であるオクターブ逆畳み込みを提案する。
• エンコーダ・デコーダ型のUNetに類似したフレームワークに、オクターブ畳み込みとオクターブ逆畳み込みを統合し、階層的特徴学習と高精度な分離を実現する。
• 各画素を血管または非血管として分類するため、バイナリクロスエントロピー損失を用いてエンドツーエンドで訓練する。パッチの切り出しや後処理は不要である。
• モデルは1回の順伝播でフル解像度の眼底画像を処理でき、最小限の計算オーバーヘッドでリアルタイム推論を可能にする。
• 最終的な分離には0.5のグローバルしきい値を用い、感度解析によりさまざまなしきい値設定においてもロバスト性が確認された。

実験結果

リサーチクエスチョン

• RQ1 標準畳み込みと比較して、オクターブ畳み込みはマルチスケール網膜血管特徴の表現を向上させることができるか？
• RQ2 提案されたオクターブ逆畳み込みは、デコーダパスにおける高解像度血管マップの再構築を向上させることができるか？
• RQ3 Octave UNetは、標準UNetおよび他の最先端手法と比較して、優れた分離精度と速度を達成できるか？
• RQ4 臨床的ないくつかの眼底画像に一般的に見られる出血、漏出、不均一な照明などのアーチファクトに対して、モデルのロバスト性は高いか？
• RQ5 本手法は、画像品質や血管特性が異なる多様なデータセットにおいても一貫した性能を維持できるか？

主な発見

• DRIVEデータセットでは、0.9664の精度、0.8374の感度、0.9790の特異度、0.8127のF1スコア、0.9835のAUROCを達成した。
• STAREデータセットでは、0.9713の精度、0.8664の感度、0.9798の特異度、0.8191のF1スコア、0.9875のAUROCを達成した。
• CHASE_DB1では、0.9759の精度、0.8670の感度、0.9840の特異度、0.8313のF1スコア、0.9905のAUROCを達成した。
• HRFデータセットでは、0.9698の精度、0.8076の感度、0.9831の特異度、0.7963のF1スコア、0.9845のAUROCを記録した。
• CPU上で1枚の眼底画像を約0.4秒で処理でき、パッチベース手法（例：Antigaら[34]では10.5秒）よりも顕著に高速であり、エンドツーエンド手法と同等の性能を示した。
• しきい値の変動に対してロバストであることが示され、τ=0.5付近で性能低下が最小限に抑えられ、低しきい値（例：τ≈0.25）で顕著な感度向上が観察された。