[論文レビュー] Automatic Liver Segmentation Using an Adversarial Image-to-Image Network

Dong Yang, Daguang Xu+6 more|arXiv (Cornell University)|Jul 25, 2017

Radiomics and Machine Learning in Medical Imaging被引用数 17

ひとこと要約

本稿では、3次元CTスキャンにおける自動的3次元肝臓セグメンテーションのための深層敵対的画像対画像ネットワーク（DI2IN-AN）を提案する。U-Netに類似したエンコーダ・デコーダアーキテクチャに、マルチレベルのスキップ接続、ディープスーパービジョン、敵対的訓練を組み合わせることで境界の正確性を向上させる。1,000例を超える多様なCTボリュームで訓練された本手法は、平均対称表面距離（ASD）1.90 mm、Dice係数0.95という最先端の性能を達成しており、1スキャンあたり1秒未塔で実行可能である。

ABSTRACT

Automatic liver segmentation in 3D medical images is essential in many clinical applications, such as pathological diagnosis of hepatic diseases, surgical planning, and postoperative assessment. However, it is still a very challenging task due to the complex background, fuzzy boundary, and various appearance of liver. In this paper, we propose an automatic and efficient algorithm to segment liver from 3D CT volumes. A deep image-to-image network (DI2IN) is first deployed to generate the liver segmentation, employing a convolutional encoder-decoder architecture combined with multi-level feature concatenation and deep supervision. Then an adversarial network is utilized during training process to discriminate the output of DI2IN from ground truth, which further boosts the performance of DI2IN. The proposed method is trained on an annotated dataset of 1000 CT volumes with various different scanning protocols (e.g., contrast and non-contrast, various resolution and position) and large variations in populations (e.g., ages and pathology). Our approach outperforms the state-of-the-art solutions in terms of segmentation accuracy and computing efficiency.

研究の動機と目的

• 複雑な背景、曇った境界、高い解剖学的可変性を示す3次元CTボリュームにおいて、正確かつ効率的な自動肝臓セグメンテーションを実現すること。
• CRF やグラフカットなどの従来の後処理手法に見られる低コントラスト領域における境界漏れの問題を克服すること。
• 画像対画像ネットワークに敵対的訓練を統合することで、深層学習ベースのセグメンテーションを向上させ、構造的詳細と境界の正確性を向上させること。
• 1,000例を超える多様な3次元CTボリュームからなる大規模データセットを活用し、モデルの汎化性能と耐障害性を高めること。
• 最小限の推論時間で高いセグメンテーション精度を達成し、臨床応用が可能となるようにすること。

提案手法

• 本手法は、3次元畳み込みおよびバイリニアアップサンプリング層を用いて空間分解能を保持する3次元エンコーダ・デコーダアーキテクチャを持つ深層画像対画像ネットワーク（DI2IN）を採用する。
• 複数レベルのエンコーダとデコーダ層間の特徴マップを連結するスキップ接続を用い、特徴の再利用と勾配の流れを向上させる。
• 複数のデコーダ段階にディープスーパービジョンを適用し、個別の損失関数を用いて中間予測をガイドすることで、学習の安定性を向上させる。
• 敵対的訓練のコンponentとして、識別器ネットワークを導入し、正解の肝臓マスクと生成器（DI2IN）の予測を区別するように学習させる。これにより、より鋭く現実的であるセグメンテーション出力を促進する。
• 生成器の損失は、標準的な交差エントロピー損失と敵対的損失項の組み合わせであり、識別器のフィードバックが生成器の出力分布の最適化を支援する。
• 学習率0.01で確率的勾配降下法を用いてエンドツーエンドで訓練し、100イテレーションごとに学習率を10分の1に減衰させ、敵対的訓練にはバランス係数λ = 0.01を用いる。

実験結果

リサーチクエスチョン

• RQ1 敵対的訓練は、曇った境界を示す領域を含む3次元CTボリュームにおける肝臓セグメンテーションの品質を向上させ得るか？
• RQ2 1,000例を超える多様な3次元CTボリュームからなる大規模データセットで学習させることで、深層学習ベースの肝臓セグメンテーションの耐障害性と正確性が顕著に向上するか？
• RQ3 スキップ接続とディープスーパービジョンを備えたエンドツーエンドの画像対画像ネットワークは、CRF やグラフカットなどの後処理の改善に依存せず、既存手法を上回る性能を達成できるか？
• RQ4 未観測の臨床データに対して、提案されたDI2IN-ANフレームワークは最先端の手法と比較して、性能と推論速度の両面で優れているか？
• RQ5 従来の改善手法と比較して、敵対的訓練は低コントラスト肝領域における境界漏れをどの程度低減するか？

主な発見

• 提案されたDI2IN-ANは、独立したテストセット50例において、平均対称表面距離（ASD）1.90 mm、Dice係数0.95を達成し、すべてのベースライン手法を上回った。
• 1,000例以上のCTボリュームで学習させたことで、400例での学習と比較して、平均ASDが0.23 mm、最大ASDが3.84 mm低減した。
• 敵対的コンponentにより、400例で学習したDI2IN-ANの最大ASD誤差7.82 mmが、1,000例で学習したDI2IN-ANでは6.32 mmにまで低下し、境界の正確性が向上したことが示された。
• NVIDIA TITAN X GPU上では、1つの3次元ボリュームあたりの推論時間が1秒未塔に抑えられ、[6]で報告された1.5分の推論時間に比べて顕著に高速であった。
• CRF やグラフカットの後処理手法は、低コントラストデータにおいてセグメンテーション性能を悪化させた。これは、曇った境界を扱う際、エンドツーエンドの敵対的学習が優位であることを確認した。
• 1,000例以上のケースで学習したDI2IN-ANモデルは、ベースラインネットワークと比較して平均対称表面距離で20%の改善を達成し、大規模データの利点を示した。