[論文レビュー] Comparisonal study of Deep Learning approaches on Retinal OCT Image

Nowshin Tasnim, Mahmudul Hasan+1 more|arXiv (Cornell University)|Dec 16, 2019

Retinal Imaging and Analysis参考文献 16被引用数 5

ひとこと要約

本研究では、可変サイズの光学干渉断層画像（OCT）から網膜疾患（CNV、DME、ドリューゼン、正常）を自動検出するため、4つのディーブラーニングモデル—バニラCNN、Xception、ResNet50、MobileNetV2—を評価した。転移学習とエンドツーエンド学習を用い、84,452枚のOCTスキャンで訓練した結果、MobileNetV2が99.17%の最高テスト精度を達成し、最先端の手法を上回った。

ABSTRACT

In medical science, the use of computer science in disease detection and diagnosis is gaining popularity. Previously, the detection of disease used to take a significant amount of time and was less reliable. Machine learning (ML) techniques employed in recent biomedical researches are making revolutionary changes by gaining higher accuracy with more concise timing. At present, it is even possible to automatically detect diseases from the scanned images with the help of ML. In this research, we have taken such an attempt to detect retinal diseases from optical coherence tomography (OCT) X-ray images. Here, we propose a deep learning (DL) based approach in detecting retinal diseases from OCT images which can identify three conditions of the retina. Four different models used in this approach are compared with each other. On the test set, the detection accuracy is 98.00\% for a vanilla convolutional neural network (CNN) model, 99.07\% for Xception model, 97.00\% for ResNet50 model, and 99.17\% for MobileNetV2 model. The MobileNetV2 model acquires the highest accuracy, and the closest to the highest is the Xception model. The proposed approach has a potential impact on creating a tool for automatically detecting retinal diseases.

研究の動機と目的

• 深層学習を用いてOCT画像から網膜疾患を自動かつ正確に検出する手法を開発すること。
• バニラCNN、Xception、ResNet50、MobileNetV2の4つの事前学習済みCNNアーキテクチャの性能を、可変サイズのOCT画像上で評価・比較すること。
• 画像前処理や手動特徴抽出をほとんど行わず、転移学習によっても高い診断精度を達成できることを示すこと。
• CNV、DME、ドリューゼンなどの網膜疾患の早期検出に向けた、堅牢でスケーラブルなツールを提供すること。
• 不均衡なクラス分布と可変サイズの画像を一度の学習フレームワークで処理することで、今後の研究の基準を確立すること。

提案手法

• バニラCNN、Xception、ResNet50、MobileNetV2の4つの事前学習済み深層ニューラルネットワークアーキテクチャを、網膜OCT画像の多クラス分類に微調整した。
• データセットは、4つのクラス（CNV：44.57%、DME：13.59%、ドリューゼン：10.32%、正常：31.52%）の合計84,452枚のOCT画像で構成され、入力サイズが可変であった。
• すべてのモデルの入力を標準化するために、前処理段階で画像を固定解像度にリサイズしたが、追加の画像強調やセグメンテーション技術は適用しなかった。
• 学習にはミニバッチサイズ32で15エポックにわたり確率的勾配降下法を用い、汎化性能を向上させるためにデータオーグメンテーションを実施した。
• 性能評価には、独立したテストセットを用いた正確性、適合率、感度（再現率）、F1スコアを指標とした。
• 外部の画像処理や手作業特徴抽出は一切行わず、モデルは生のOCT画像から直接特徴を学習した。

実験結果

リサーチクエスチョン

• RQ1 どの深層学習アーキテクチャが、CNV、DME、ドリューゼン、正常の4クラスに分類する際、最も高い正確性を示すか？
• RQ2 可変サイズのOCT画像で学習させた場合、固定サイズへの前処理と比較して、モデルの性能にどのような影響を与えるか？
• RQ3 事前学習モデルを用いた転移学習は、画像前処理を徹底的に行わずとも、網膜疾患検出で優れた性能を達成できるか？
• RQ4 特に不均衡なデータセットにおいて、適合率、感度、F1スコアなどの性能指標が、異なるモデル間でどのように比較されるか？
• RQ5 MobileNetV2 や Xception といった軽量モデルは、ResNet50 やバニラCNN といったより深いアーキテクチャと比較して、同等または優れた性能を示すか？

主な発見

• MobileNetV2が99.17%の最高テスト精度を達成し、本研究で評価したすべてのモデルを上回った。
• Xceptionモデルは99.07%のテスト精度を達成し、2番目に高く、高い適合率と感度を示した。
• バニラCNNは98.00%のテスト精度を達成し、シンプルなアーキテクチャであるにもかかわらず、安定した性能を示した。
• ResNet50は97.00%のテスト精度を達成し、MobileNetV2 や Xception よりも低い性能にとどまり、このデータセットでは最適でないことが示された。
• すべてのモデルが高いF1スコア（MobileNetV2とXceptionでは0.99）を示し、全クラスで適合率と再現率のバランスが取れていた。
• 訓練および検証の正確性曲線から、MobileNetV2 と Xception は早期に高い性能に達し、安定化したことが示され、収束が早く、堅牢であることがわかった。