[論文レビュー] Anatomical and Diagnostic Bayesian Segmentation in Prostate MRI $-$Should Different Clinical Objectives Mandate Different Loss Functions?

Anindo Saha, Joeran S. Bosma+3 more|arXiv (Cornell University)|Oct 25, 2021

Prostate Cancer Diagnosis and Treatment被引用数 5

ひとこと要約

本研究では、前立腺MRIにおける異なる臨床的目的—解剖的セグメンテーション（臓器構造）と診断的セグメンテーション（臨床的に有意ながんの検出）—が、ベイジアンU-Netモデルにおける別個の損失関数を必要とするかどうかを調査している。分布ベースの損失関数、特にファーカス損失（focal loss）は、より良いモデルのキャリブレーションのおかげで、領域/境界ベースの損失関数よりも病変検出において顕著に優れている。一方、解剖的セグメンテーションでは、すべての損失関数が同程度の性能を示すが、ファーカス損失は境界付近での高い不確実性のため、性能が低下している。

ABSTRACT

We hypothesize that probabilistic voxel-level classification of anatomy and malignancy in prostate MRI, although typically posed as near-identical segmentation tasks via U-Nets, require different loss functions for optimal performance due to inherent differences in their clinical objectives. We investigate distribution, region and boundary-based loss functions for both tasks across 200 patient exams from the publicly-available ProstateX dataset. For evaluation, we conduct a thorough comparative analysis of model predictions and calibration, measured with respect to multi-class volume segmentation of the prostate anatomy (whole-gland, transitional zone, peripheral zone), as well as, patient-level diagnosis and lesion-level detection of clinically significant prostate cancer. Notably, we find that distribution-based loss functions (in particular, focal loss) are well-suited for diagnostic or panoptic segmentation tasks such as lesion detection, primarily due to their implicit property of inducing better calibration. Meanwhile, (with the exception of focal loss) both distribution and region/boundary-based loss functions perform equally well for anatomical or semantic segmentation tasks, such as quantification of organ shape, size and boundaries.

研究の動機と目的

• 深層学習によるセグメンテーションにおいて、前立腺MRIの臨床的目的—臓器レベルの解剖構造と病理レベルのがん検出—が、別個の損失関数を必要とするかどうかを明らかにすること。
• 分布ベースの（例：交差エントロピー、ファーカス損失）と領域/境界ベースの（例：Dice、境界損失）損失関数が、解剖的および診断的タスクの両方におけるセグメンテーション性能に与える影響を評価すること。
• 異なる損失関数の下で、ベイジアンU-Netモデルにおけるモデルのキャリブレーションと不確実性の定量化を評価すること。
• 病変検出のための標準指標（DSC、AUROC）とタスク固有の指標（FROC）を用いて性能を比較すること。
• 臨床的タスクの目的に基づいた、損失関数選択に関する証拠に基づく推奨事項を提示すること。

提案手法

• 200例の前立腺MRI検査（ProstateXデータセット）を用い、全前立腺、移行ゾーン、周辺ゾーン、臨床的に有意な前立腺がんのボクセルレベルのアノテーションをもとに、モンテカルロドロップアウトを組み込んだ確率的3次元U-Netを訓練した。
• 4つの損失関数を評価：交差エントロピー（CE）、バランスド交差エントロピー（BCE）、ファーカス損失（FL）、ソフトDice-境界損失（DB）、それぞれタスク固有のクラスウェイトとハイパーパrameterを設定した。
• データ増強にはガウスノイズ、フリップ、回転、平行移動、スケーリングを適用し、モデルのロバストネスを向上させた。
• モデルキャリブレーションは期待キャリブレーション誤差（ECE）と信頼性図を用いて評価し、不確実性の定量化にはモンテカルロドロップアウトを用いた。
• 性能評価には、解剖的セグメンテーションのための3次元Dice類似係数（DSC）、患者レベルの診断のためのAUROC、病変検出のための部分的AUC（FROC）を用いた。
• 実験は3回の独立した実行を含む5分割交差検証を用い、1画像あたり100回のモンテカルロ推論サンプルを実行して不確実性を推定した。

実験結果

リサーチクエスチョン

• RQ1 解剖的タスクと診断的タスクを区別する際、損失関数の選択が前立腺MRIにおけるセグメンテーション性能に顕著に影響を与えるか？
• RQ2 分布ベースの損失関数（例：ファーカス損失）は、領域/境界ベースの損失関数よりも、より優れたモデルキャリブレーションと不確実性推定を実現するか？
• RQ3 ファーカス損失は、クラスウェイトやアーキテクチャ設計を超えて、内在的なキャリブレーション特性のおかげで、病変検出において優れているが、解剖的セグメンテーションでは性能が劣る場合があるのか？
• RQ4 ソフトDiceや境界損失のような領域/境界ベースの損失関数は、複数病変検出のようなパンノプティックセグメンテーションタスクでは、DSCが高くても、最適でないのか？
• RQ5 DSCのような標準的指標は、検出感度とキャリブレーションがより重要な診断的タスクでは、性能差を捉えられていないのか？

主な発見

• ファーカス損失（FL）は、ソフトDice-境界損失（DB）を顕著に上回り、最大検出感度が15.7%向上し、1患者あたり0.1～2.5の誤検出数における部分的AUC（FROC）が0.25向上した。
• FLはECEが低く、信頼性図もより信頼性があることから、DBよりも優れたモデルキャリブレーションを示した。これは、リスクスコアリングの向上に寄与する。
• 解剖的セグメンテーション（WG、TZ、PZ）では、FLがCE、BCE、DBよりもDSCが低かった（例：WGで70、TZで64、PZで50）。主な要因は、臓器境界付近での高い予測不確実性である。
• DSCが低いにもかかわらず、FLのバイナリゼーション済みargmax予測は、他の損失関数と比較して僅かに低い性能（WGで88–90% DSC）に留まり、ハードセグメンテーションにおいても頑健であることが示された。
• 領域/境界ベースの損失関数（例：DB）は、パンノプティックセグメンテーションタスクに不適切であり、平坦なFROC曲線と低い検出感度を示した。これは、極端に自信過剰な予測によるものである。
• 分布ベースの損失関数（特にFL）は、キャリブレーションの向上と過学習の低減を内蔵的に促進し、クラスウェイトやアーキテクチャ設計を超えて、診断的性能の向上に寄与する。