[論文レビュー] CKD-TransBTS: Clinical Knowledge-Driven Hybrid Transformer with Modality-Correlated Cross-Attention for Brain Tumor Segmentation

Jianwei Lin, Jiatai Lin+13 more|arXiv (Cornell University)|Jul 15, 2022

Brain Tumor Detection and Classification被引用数 4

ひとこと要約

本稿では、臨床的知識を駆動するハイブリッドTransformerモデル、CKD-TransBTSを提案する。このモデルは、放射線診断の原則に基づき、MRIモodalitiesを生物学的に意味のあるペア（T1/T1Gd および T2/T2FLAIR）に再編成する。モダリティ関連クロスアテンションブロック（MCCA）とTrans&CNN特徴補正ブロック（TCFC）を導入することで、BraTS 2021で最先端の性能を達成し、平均Diceスコアは0.9066、HD95は6.22を記録。境界の正確性が著しく向上し、誤検出が低減された。

ABSTRACT

Brain tumor segmentation (BTS) in magnetic resonance image (MRI) is crucial for brain tumor diagnosis, cancer management and research purposes. With the great success of the ten-year BraTS challenges as well as the advances of CNN and Transformer algorithms, a lot of outstanding BTS models have been proposed to tackle the difficulties of BTS in different technical aspects. However, existing studies hardly consider how to fuse the multi-modality images in a reasonable manner. In this paper, we leverage the clinical knowledge of how radiologists diagnose brain tumors from multiple MRI modalities and propose a clinical knowledge-driven brain tumor segmentation model, called CKD-TransBTS. Instead of directly concatenating all the modalities, we re-organize the input modalities by separating them into two groups according to the imaging principle of MRI. A dual-branch hybrid encoder with the proposed modality-correlated cross-attention block (MCCA) is designed to extract the multi-modality image features. The proposed model inherits the strengths from both Transformer and CNN with the local feature representation ability for precise lesion boundaries and long-range feature extraction for 3D volumetric images. To bridge the gap between Transformer and CNN features, we propose a Trans&CNN Feature Calibration block (TCFC) in the decoder. We compare the proposed model with five CNN-based models and six transformer-based models on the BraTS 2021 challenge dataset. Extensive experiments demonstrate that the proposed model achieves state-of-the-art brain tumor segmentation performance compared with all the competitors.

研究の動機と目的

• 既存の脳腫瘍セグメンテーションモデルが、臨床的根拠のない一般的な特徴連結としてマルチモodal MRI統合を扱うという限界に対処すること。
• 臨床医が強化腫瘍を評価する際のT1/T1Gdの比較や、浮腫を評価する際のT2/T2FLAIRの比較といった、放射線診断知識をモデルアーキテクチャに統合すること。
• モダリティに意識的な統合メカニズムを設計することで、特に病変境界と誤検出の抑制において、セグメンテーションの正確性を向上させること。
• デコーダーに新規の特徴補正ブロックを導入することで、CNNとTransformer特徴の表現ギャップを埋めること。
• 教師あり学習を超えて、深層学習アーキテクチャに臨床的事前知識を統合することで、モデルの一般化性能と性能が向上することを示すこと。

提案手法

• 入力となるMRIモダリティを、臨床的画像診断原則と診断的関連性に基づき、2つのペア（T1, T1Gd）および（T2, T2FLAIR）に再グループ化する。
• 二重ブランチのハイブリッドエンコーダーを設計し、各ブランチがCNNとTransformerブロックの組み合わせを用いて、局所的および長距離特徴を捉える。
• モダリティ関連クロスアテンション（MCCA）ブロックにより、ペairedモダリティ間のクロスアテンションを可能にし、モダリティ固有の相関を学習することで、特徴表現を向上させる。
• デコーダーにTrans&CNN特徴補正（TCFC）ブロックを導入し、TransformerブランチとCNNブランチの特徴を補正・統合することで、ドメインシフトとバイアスを低減する。
• 標準的な指標（Diceスコアとハウスドルフ距離（HD95））を用いて、BraTS 2021データセット上でエンドツーエンドでモデルを学習する。
• アブレーションスタディでは、入力レベル、特徴レベル、および本稿で提案するモダリティペアリング戦略（MCCAを含む）の異なる統合戦略を比較する。

実験結果

リサーチクエスチョン

• RQ1 臨床的に意味のあるペアに再編成されたMRIモダリティが、脳腫瘍セグメンテーション性能を向上させることができるか？
• RQ2 モダリティ関連クロスアテンション機構は、従来の特徴レベルまたは入力レベルの統合よりも、マルチモダリティMRIセグメンテーションで優れた性能を示すか？
• RQ3 専用の特徴補正ブロックを備えたハイブリッドTransformer-CNNアーキテクチャが、境界の正確性を向上させるとともに誤検出を低減できるか？
• RQ4 臨床的診断知識を統合することで、教師あり学習を超えたモデルの一般化性能はどの程度向上するか？
• RQ5 本稿で提案するモデルは、BraTS 2021ベンチマークにおいて、最先端の手法と比較してどのように差をつけるか？

主な発見

• 提案されたCKD-TransBTSモデルは、BraTS 2021テストセットで平均Diceスコア0.9066を達成し、比較されたすべてのCNNベースおよびTransformerベースのモデルを上回った。
• HD95距離は6.22を記録し、特に強化腫瘍（ET）の境界正確性が優れており、HD95は5.93であった。
• アブレーションスタディの結果、T1とT1Gdをペアとしてグループ化すると最良の性能が得られ、ETのDiceスコアは0.8850に達した。これは、統合設計における臨床的知識の価値を示している。
• MCCAブロックは、従来の統合戦略に比べて顕著にセグメンテーション正確性を向上させ、入力レベル統合と比較してHD95を最大2.5 mm低減した。
• 定性的な結果から、本モデルは、特にT1とT1Gdの比較による強化腫瘍の検出において、小規模な病変をより効果的に検出し、誤検出をより効果的に抑制していることが確認された。
• Trans&CNN特徴補正（TCFC）ブロックは、TransformerとCNN特徴間の表現ギャップを効果的に低減し、特徴の整合性とセグメンテーションの一貫性を向上させた。