[論文レビュー] Automatic L3 slice detection in 3D CT images using fully-convolutional networks

Fahdi Kanavati, Shah Islam+2 more|arXiv (Cornell University)|Nov 22, 2018

Medical Imaging and Analysis参考文献 4被引用数 12

ひとこと要約

本論文は、3次元CTスキャンにおけるL3椎間板断層の自動検出のため、2次元最大強度投影（MIP）画像を用いた完全畳み込みネットワーク（FCN）ベースの手法を提案する。本手法は1mmの中央誤差を達成し、人間アノテーター間の一致度に匹敵する性能を示し、精度を損なわずに推論を高速化するための軽量1次元信頼度マップの変種を導入している。

ABSTRACT

The analysis of single CT slices extracted at the third lumbar vertebra (L3) has garnered significant clinical interest in the past few years, in particular in regards to quantifying sarcopenia (muscle loss). In this paper, we propose an efficient method to automatically detect the L3 slice in 3D CT images. Our method works with images with a variety of fields of view, occlusions, and slice thicknesses. 3D CT images are first converted into 2D via Maximal Intensity Projection (MIP), reducing the dimensionality of the problem. The MIP images are then used as input to a 2D fully-convolutional network to predict the L3 slice locations in the form of 2D confidence maps. In addition we propose a variant architecture with less parameters allowing 1D confidence map prediction and slightly faster prediction time without loss of accuracy. Quantitative evaluation of our method on a dataset of 1006 3D CT images yields a median error of 1mm, similar to the inter-rater median error of 1mm obtained from two annotators, demonstrating the effectiveness of our method in efficiently and accurately detecting the L3 slice.

研究の動機と目的

• 3次元CTスキャンにおけるL3椎間板断層の検出を自動化し、臨床的筋萎縮測定を支援すること。
• 従来の手法におけるスライディングウィンドウアプローチや単一出力回帰の限界を解消すること。
• さまざまなCTスキャンパラメータ（変動する断層厚さや視野）に対しても、効率的かつ高精度な断層検出を可能にすること。
• 精度を維持しながら推論を高速化するための軽量1次元信頼度マップ変種を開発すること。
• 再現可能性および今後のL3検出分野の研究を支援するため、公開可能なデータセットとコードを提供すること。

提案手法

• 前後方向に沿って最大強度値を投影することで、3次元CTボリュームを2次元MIP画像に変換し、次元削減を図るとともに解剖的文脈を保持する。
• MIP画像上で完全畳み込みネットワーク（FCN）を訓練し、各断層がL3である可能性を示す2次元信頼度マップを予測する。
• UNetアーキテクチャを変更して1次元方向に信頼度を予測する新しい1次元信頼度マップ変種を提案し、パラメータ数と推論時間を削減する。
• スライディングウィンドウ推論を回避する完全畳み込みアーキテクチャを採用することで、重複計算を避けて、フル解像度かつエンドツーエンドの予測を実現する。
• L3断層を含まない画像クロップも含めた正例および負例を活用することで、耐性を高め、確率的出力を可能にする。
• 1070例の3次元CTスキャンからなる大規模なアノテート済みデータセット（公的リポジトリから取得）を用いて、L3断層位置の真値ラベルを伴い、ネットワークをファインチューニングする。

実験結果

リサーチクエスチョン

• RQ1 多様な3次元CTスキャン（断層厚さや視野が変動するケースを含む）において、完全畳み込みネットワークが最先端の精度を達成できるか？
• RQ2 2次元FCNベースラインと比較して、1次元信頼度マップ予測変種は、精度を維持しつつ顕著に推論速度を向上できるか？
• RQ3 提案手法の中央誤差は、2名のヒューマンアノテーター間の誤差変動と比較してどの程度か？
• RQ4 人工的検出が困難なトランジショナルバーテブラや低コントラスト脊椎構造を含むケースに対しても、本手法は汎用性を示せるか？
• RQ5 L3を含まない例（負例）を学習に含めることで、それらのサンプルを除外する手法と比較して、どの程度耐性が向上するか？

主な発見

• 提案手法は中央誤差1mmを達成し、2名のヒューマンアノテーター間の中央誤差1mmと一致する。
• 1次元信頼度マップ変種（L3UNet-1D）は1スキャンあたり0.06秒の推論時間にまで短縮され、ベースライン手法と比較して50倍の高速化を達成した。
• 2次元FCN変種（L3UNet-2D）は、平均サイズのCTボリュームに対して1スキャンあたり0.17秒の推論時間を達成した。
• 1006例の評価スキャンのうち、50%が真値から1mm以内に位置し、95%が5mm以内に収まっており、高い耐性を示している。
• 低コントラストまたは湾曲した脊椎領域のような困難なケースに対しても、本手法は良好な汎用性を示したが、一部の外れ値では自信があるが誤った予測が観察された。
• トランジショナルバーテブラのケースに対しても、本モデルは信頼性高く動作したが、全脊椎の可視化がなければL3の特定が曖昧になる可能性がある。