[論文レビュー] ConDSeg: A General Medical Image Segmentation Framework via Contrast-Driven Feature Enhancement

Mengqi Lei, Haochen Wu+2 more|arXiv (Cornell University)|Dec 11, 2024

Medical Imaging and Analysis被引用数 4

ひとこと要約

ConDSegは、一貫性強化事前学習戦略と不確実性を低減するセマンティック情報分解モジュールを用いて、低コントラストおよびソフト境界条件に対する頑健性を向上させる一般化可能な医療画像セグメンテーションフレームワークである。コントラスト駆動型特徴集約とサイズに配慮したデコーダーを用いて、前景・背景の区別とマルチスケール局所化を向上させ、5つの多様な医療画像データセットで最先端の性能を達成している。

ABSTRACT

Medical image segmentation plays an important role in clinical decision making, treatment planning, and disease tracking. However, it still faces two major challenges. On the one hand, there is often a ``soft boundary'' between foreground and background in medical images, with poor illumination and low contrast further reducing the distinguishability of foreground and background within the image. On the other hand, co-occurrence phenomena are widespread in medical images, and learning these features is misleading to the model's judgment. To address these challenges, we propose a general framework called Contrast-Driven Medical Image Segmentation (ConDSeg). First, we develop a contrastive training strategy called Consistency Reinforcement. It is designed to improve the encoder's robustness in various illumination and contrast scenarios, enabling the model to extract high-quality features even in adverse environments. Second, we introduce a Semantic Information Decoupling module, which is able to decouple features from the encoder into foreground, background, and uncertainty regions, gradually acquiring the ability to reduce uncertainty during training. The Contrast-Driven Feature Aggregation module then contrasts the foreground and background features to guide multi-level feature fusion and key feature enhancement, further distinguishing the entities to be segmented. We also propose a Size-Aware Decoder to solve the scale singularity of the decoder. It accurately locate entities of different sizes in the image, thus avoiding erroneous learning of co-occurrence features. Extensive experiments on five medical image datasets across three scenarios demonstrate the state-of-the-art performance of our method, proving its advanced nature and general applicability to various medical image segmentation scenarios. Our released code is available at \url{https://github.com/Mengqi-Lei/ConDSeg}.

研究の動機と目的

• 医療画像における曖昧な境界と低コントラストがセグメンテーション精度を損なうという課題に対処する。
• 同じサイズの病変同士に相関するという共起バイアスを克服する。
• 特徴抽出段階での照度およびコントラストの変動に対してモデルの頑健性を高める。
• サイズに配慮したデコーダー・アーキテクチャを用いて、さまざまなサイズの対象物の正確な局所化を可能にする。
• 多様な医療画像モodalitiesおよびセグメンテーションタスクに適用可能な汎用フレームワークを構築する。

提案手法

• 一貫性強化（CR）を導入し、オリジナル入力と強力に増幅された入力からの予測の一貫性を最大化する2段階の事前学習戦略を採用することで、エンコーダーの頑健性を向上させる。
• エンコーダー特徴を前景、背景、不確実性領域に分解するセマンティック情報分解（SID）モジュールを提案し、不確実性低減とマスク精度向上を促進する損失関数を設定する。
• 前景特徴と背景特徴の対比を用いて、マルチレベル特徴統合を誘導するコントラスト駆動型特徴集約（CDFA）モジュールを設計し、より良いセグメンテーションを実現するための重要な特徴を強化する。
• 異なるスケール範囲に対応する別々のヘッドを備えたサイズに配慮したデコーダー（SA-Decoder）を実装し、さまざまなサイズの物体に対する局所化精度を向上させる。
• 2段階のトレーニングパイプラインを適用する：まずCRを用いてエンコーダーを事前学習し、その後、ネットワーク全体を微調整することで収束性と性能を向上させる。
• SIDおよびCDFAモジュールの最適化に、補完的制約を備えた交差エントロピー損失とDice損失の組み合わせを用いる。

実験結果

リサーチクエスチョン

• RQ1 対照的（contrastive）な事前学習戦略は、医療画像における低コントラストおよび照度変動に対するエンコーダーの頑健性を向上させることができるか？
• RQ2 特徴を前景、背景、不確実性領域に分解することで、モデルの不確実性を低減し、セグメンテーション精度を向上させることができるか？
• RQ3 前景特徴と背景特徴の対比的情報を用いることで、マルチレベル特徴統合とセグメンテーション性能が向上するか？
• RQ4 サイズに配慮したデコーダー・アーキテクチャは、スケール特異性を緩和し、さまざまなサイズの解剖学的構造の局所化を改善できるか？
• RQ5 提案された全モジュールの統合により、複数の医療画像セグメンテーションベンチマークで最先端の性能が達成できるか？

主な発見

• ConDSegは、Kvasir-SEG、GlaSその他の5つの医療画像セグメンテーションデータセットで最先端の性能を達成し、Kvasir-SEGデータセットでは平均mIoUが84.6%、mDSCが90.5%を記録した。
• 一貫性強化戦略により、事前学習なしで訓練を開始した場合と比較して、mIoUが7.3ポイント向上した。
• 最初の段階でCRを適用する2段階トレーニング戦略は、1段階トレーニングに比べて収束が早く、性能も優れていた。
• SIDおよびCDFAモジュールの追加により、ベースラインと比較してGlaSデータセットでのmIoUが5.0ポイント、mDSCが2.9ポイント向上した。
• 完全なConDSegフレームワーク（SA-Decoderを含む）は、GlaSデータセットで最高のmIoU（85.1%）とmDSC（91.6%）を達成し、すべてのアブレーション変種を上回った。
• アブレーションスタディの結果、CR、SID、CDFA、SA-Decoderの各コンポonentが性能向上に段階的に寄与しており、完全なモデルが最適な結果を達成した。