[論文レビュー] AnatomyNet: Deep 3D Squeeze-and-excitation U-Nets for fast and fully automated whole-volume anatomical segmentation

Wentao Zhu, Yufang Huang+5 more|arXiv (Cornell University)|Aug 16, 2018

Medical Imaging and Analysis参考文献 41被引用数 17

ひとこと要約

AnatomyNet は、アトラスを必要としないエンド・ツー・エンドの3次元スイーシェンション・エキスカーション U-Net であり、CT スキャンにおける頭頸部の臓器リスク（OAR）9つを高速かつ完全自動で全ボリュームセグメンテーション可能である。最先端の手法と比較して平均3.3%のDSC向上を達成し、1つのボリュームをたった0.12秒でセグメンテーションしている。

ABSTRACT

Purpose: Radiation therapy (RT) is a common treatment for head and neck (HaN) cancer where therapists are often required to manually delineate boundaries of the organs-at-risks (OARs). The radiation therapy planning is time-consuming as each computed tomography (CT) volumetric data set typically consists of hundreds to thousands of slices and needs to be individually inspected. Automated head and neck anatomical segmentation provides a way to speed up and improve the reproducibility of radiation therapy planning. Previous work on anatomical segmentation is primarily based on atlas registrations, which takes up to hours for one patient and requires sophisticated atlas creation. In this work, we propose the AnatomyNet, an end-to-end and atlas-free three dimensional squeeze-and-excitation U-Net (3D SE U-Net), for fast and fully automated whole-volume HaN anatomical segmentation. Methods: There are two main challenges for fully automated HaN OARs segmentation: 1) challenge in segmenting small anatomies (i.e., optic chiasm and optic nerves) occupying only a few slices, and 2) training model with inconsistent data annotations with missing ground truth for some anatomical structures because of different RT planning. We propose the AnatomyNet that has one down-sampling layer with the trade-off between GPU memory and feature representation capacity, and 3D SE residual blocks for effective feature learning to alleviate these challenges. Moreover, we design a hybrid loss function with the Dice loss and the focal loss. The Dice loss is a class level distribution loss that depends less on the number of voxels in the anatomy, and the focal loss is designed to deal with highly unbalanced segmentation. For missing annotations, we propose masked loss and weighted loss for accurate and balanced weights updating in the learning of the AnatomyNet. Results: We collect 261 HaN CT images to train the AnatomyNet, and use MICCAI Head and Neck Auto Segmentation Challenge 2015 as the benchmark dataset to evaluate the performance of the AnatomyNet. The objective is to segment nine anatomies: brain stem, chiasm, mandible, optic nerve left, optic nerve right, parotid gland left, parotid gland right, submandibular gland left, and submandibular gland right. Compared to previous state-of-the-art methods for each anatomy from the MICCAI 2015 competition, the AnatomyNet increases Dice similarity coefficient (DSC) by 3.3% on average. The proposed AnatomyNet takes only 0.12 seconds on average to segment a whole-volume HaN CT image of an average dimension of 178 x 302 x 225. All the data and code will be available in https://github.com/wentaozhu/AnatomyNet-for-anatomical-segmentation.git. Conclusion: We propose an end-to-end, fast and fully automated deep convolutional network, AnatomyNet, for accurate and whole-volume HaN anatomical segmentation. The proposed AnatomyNet outperforms previous state-of-the-art methods on the benchmark dataset. Extensive experiments demonstrate the effectiveness and good generalization ability of the components in the AnatomyNet. Key words: Fast and fully automated anatomical segmentation, 3D squeeze-and-excitation U-Net (3D SE U-Net), radiation therapy, head and neck organ segmentation

研究の動機と目的

• 頭頸部（HaN）がんの放射線治療計画において、臓器リスク（OAR）の手作業による輪郭付けが時間のかかり、一貫性に欠ける問題に対処すること。
• 視交叉や視神経のように数スライス程度しか占めない小さな解剖学的構造をセグメンテーションする際の課題を克服すること。
• 放射線治療計画の実務の違いにより、一部の構造に対して正例データが欠落しているなど、臨床データにおける一貫性の欠如に対処すること。
• アトラス登録に依存しない、完全自動でエンド・ツー・エンドのディープラーニングモデルを構築すること。

提案手法

• GPUメモリ使用量と特徴表現能力のバランスを取るために、単一のダウンサンプリング層を備えた3次元スイーシェンション・エキスカーション U-Net（3D SE U-Net）を提案する。
• チャネルごとの特徴応答を適応的に再キャリブレーションすることで、特徴学習を強化する3次元スイーシェンション・エキスカーション残差ブロックを採用する。
• クラスレベルの分布の安定性を確保するためのDice損失と、セグメンテーションにおけるクラス不均衡を解消するためのフォーカル損失を組み合わせたハイブリッド損失関数を導入する。
• 欠損しているアノテーションに対応するため、利用可能な正例領域でのみ勾配を更新するように設計されたマスク損失および重み付き損失戦略を採用する。
• MICCAI 2015 チャレンジデータセットをベンチマークとして用い、261例のHaN CTボリュームを用いて、複数構造のアノテーション付きでエンド・ツー・エンドにモデルを学習する。

実験結果

リサーチクエスチョン

• RQ1 アトラス登録に依存しないディープラーニングモデルは、頭頸部OARを複数同時に高速かつ完全自動で全ボリュームセグメンテーションできるか？
• RQ2 3次元スイーシェンション・エキスカーション U-Net アーキテクチャは、視交叉のような小さな低可視性の解剖学的構造を効果的にセグメンテーションできるか？
• RQ3 Dice損失とフォーカル損失を組み合わせたハイブリッド損失関数は、クラス不均衡および欠損アノテーションが存在する状況でも、セグメンテーション精度をどの程度向上できるか？
• RQ4 提案されたマスク損失および重み付き損失戦略は、特定の構造に対して正例データが欠落している不一致のある臨床的アノテーションを効果的に処理できるか？

主な発見

• AnatomyNet は、MICCAI 2015ベンチマーク上、頭頸部OAR 9つの平均DSCを最先端手法と比較して3.3%向上させた。
• モデルは平均サイズ178×302×225のHaN CTボリュームをたった0.12秒でセグメンテーションし、高い推論速度を実現した。
• 3次元スイーシェンション・エキスカーション残差ブロックは、特に視神経のような小さな低コントラスト構造において、特徴表現を顕著に向上させた。
• Dice損失とフォーカル損失を組み合わせたハイブリッド損失関数は、希少で不均衡な構造、特にアノテーションがスパarsな構造のセグメンテーション性能を向上させた。
• マスク損失および重み付き損失戦略により、訓練データに正例が一部欠落している場合でも、安定的かつ正確な学習が可能となった。
• 不一致のあるアノテーションパターンを有する多様な臨床データにおいても、モデルは優れた一般化能力を示した。