[論文レビュー] Colorectal Polyp Segmentation by U-Net with Dilation Convolution

Xinzi Sun, Pengfei Zhang+3 more|arXiv (Cornell University)|Dec 26, 2019

Colorectal Cancer Screening and Detection参考文献 34被引用数 5

ひとこと要約

本稿では、拡張畳み込みを用いたU-Netベースの深層学習フレームワークを提案し、コロノスコピー画像における正確な結腸ポリープ分類を実現する。エンコーダーでダウンサンプリングの代わりに拡張畳み込みを採用し、アップサンプリング後にマルチスケール特徴を連結する簡素化されたパラメータ効率の良いデコーダーを用いることで、CVC-ClinicDBおよびETIS-Larib Polyp DBで最先端の性能を達成し、Diceスコアはそれぞれ88.73%および80.00%を記録した。

ABSTRACT

Colorectal cancer (CRC) is one of the most commonly diagnosed cancers and a leading cause of cancer deaths in the United States. Colorectal polyps that grow on the intima of the colon or rectum is an important precursor for CRC. Currently, the most common way for colorectal polyp detection and precancerous pathology is the colonoscopy. Therefore, accurate colorectal polyp segmentation during the colonoscopy procedure has great clinical significance in CRC early detection and prevention. In this paper, we propose a novel end-to-end deep learning framework for the colorectal polyp segmentation. The model we design consists of an encoder to extract multi-scale semantic features and a decoder to expand the feature maps to a polyp segmentation map. We improve the feature representation ability of the encoder by introducing the dilated convolution to learn high-level semantic features without resolution reduction. We further design a simplified decoder which combines multi-scale semantic features with fewer parameters than the traditional architecture. Furthermore, we apply three post processing techniques on the output segmentation map to improve colorectal polyp detection performance. Our method achieves state-of-the-art results on CVC-ClinicDB and ETIS-Larib Polyp DB.

研究の動機と目的

• コロノスコピー画像における結腸ポリープ分類の精度を向上させ、がんの早期発見を支援すること。
• 標準的なU-Netアーキテクチャで生じるマックスプーリングとダウンサンプリングによる局在性の低下と解像度の損失の課題に対処すること。
• エンコーダーでダウンサンプリングを拡張畳み込みに置き換えることで、空間解像度を低下させずに特徴表現を向上させること。
• 双三次補間と並列な特徴連結を用いることでデコーダー構造を簡素化し、モデルの複雑さを低減するとともに推論速度を向上させること。
• 最終出力マスクの精緻化を図るための後処理技術を用いて分類性能を向上させること。

提案手法

• エンコーダーは、最終ブロックに拡張畳み込みを組み込んだ変更済みのResNet-50バックボーンを採用し、高レベルの特徴学習のための感受野を拡大しながらも空間解像度を維持する。
• デコーダーは、異なるエンコーダーステージからのマルチスケール特徴マップを元の画像サイズに双三次補間でアップサンプリングし、標準的なU-Netとは異なり、逐次的ではなく並列にそれらを連結する。
• トレーニングデータに小さなポリープが存在しないため、エンコーダーの最後の4つのステージからの特徴マップを組み合わせる。最初のステージ（ストライドs=2）は除外される。
• 後処理には形態的変換とマスク精錬技術を用い、最終的な分類出力の精度、再現率、F1スコアを向上させる。
• 分類性能を最適化するために、バイナリクロスエントロピー損失とDice損失を組み合わせ、エンドツーエンドでネットワークを訓練する。
• アブレーションスタディにより、拡張畳み込み、新しいデコーダー構造、およびエンコーダーバックボーンの選択の貢献度が検証された。

実験結果

リサーチクエスチョン

• RQ1 U-Netのエンコーダーでダウンサンプリングを拡張畳み込みに置き換えることで、空間解像度を損なわずにポリープ分類の精度が向上するか？
• RQ2 アップサンプリングされたマルチスケール特徴を並列に連結する簡素化されたデコーダーは、逐次的なスキップ接続を採用する標準的なU-Netデコーダーを上回る性能を示すか？
• RQ3 標準的なU-Netエンコーダーと比較して、拡張畳み込みを組み込んだ深層バックボーン（例：ResNet-50）を用いることで分類性能はどのように向上するか？
• RQ4 後処理技術は、精度、再現率、F1スコアの観点から最終的な分類品質をどの程度向上させるか？
• RQ5 本モデルは、CVC-ClinicDBおよびETIS-Larib Polyp DBのような異なるポリープデータセットに対して、頑健かつ汎用的であるか？

主な発見

• 提案モデルはCVC-ClinicDBデータセットで88.73%のDice係数を達成し、以前の最先端手法を上回った。
• ETIS-Larib Polyp DBデータセットでは80.00%のDiceスコアを達成し、強力な頑健性と一般化性能を示した。
• アブレーションスタディの結果、新しいデコーダー構造によりDiceスコアが1.66%向上し、モデルサイズは28.995MBから25.632MBに削減された。
• 標準畳み込みを拡張畳み込みに置き換えることで、Diceスコアが3.26%向上し、精度が2.85%、F1スコアが1.89%向上した。
• ResNet-50をエンコーダーバックボーンとして用いることで、標準U-Netと比較して顕著な性能向上が得られた。バックボーンを置き換えた場合、Diceスコアは7.69%低下した。
• 後処理技術により精度、再現率、F1スコアが向上し、分類マスクの精錬における有効性が確認された。