[論文レビュー] Deep Learning Segmentation in 2D echocardiography using the CAMUS dataset : Automatic Assessment of the Anatomical Shape Validity

Sarah Leclerc, Erik Smistad+10 more|arXiv (Cornell University)|Aug 8, 2019

Radiomics and Machine Learning in Medical Imaging参考文献 8被引用数 6

ひとこと要約

本論文は、従来の幾何学的および臨床的指標を超えて、2次元心エコー画像のセグメンテーションを評価するための解剖学的形状妥当性指標—凸性と単純性—を導入する。CAMUSデータセットを用いて、優れた性能を示すU-Netモデルですら顕著な解剖学的外れ値（最大26％）を生成することが明らかになった。これは、標準的な指標が生物学的に不条理な形状を検出できないことを示しており、心臓セグメンテーションにおいて形状に配慮した評価の必要性を主張する。

ABSTRACT

We recently published a deep learning study on the potential of encoder-decoder networks for the segmentation of the 2D CAMUS ultrasound dataset. We propose in this abstract an extension of the evaluation criteria to anatomical assessment, as traditional geometric and clinical metrics in cardiac segmentation do not take into account the anatomical correctness of the predicted shapes. The completed study sheds a new light on the ranking of models.

研究の動機と目的

• 標準的なセグメンテーション指標が心エコー画像のセグメンテーションにおいて解剖学的に不条理な形状を検出できないという限界に対処すること。
• 特にU-Net変種を含む深層学習モデルが、幾何的に正確ではあるが解剖学的に不条理なセグメンテーションを生成するかどうかを評価すること。
• 左室内腔および心筋の輪郭における解剖学的妥当性を反映する、形状ベースの基準—凸性と単純性—を構築および検証すること。
• 幾何的指標（Dice、MD、HD）と解剖学的外れ値率を組み合わせたフレームワークを用いて、モデルのパフォーマンスを再評価し、モデルのランク付けと臨床的関連性を向上させること。
• Diceスコアや距離スコアが高くても、モデルが解剖学的に不可能な形状を生成する可能性があることを示し、形状に配慮した評価の必要性を強調すること。

提案手法

• 専門家がアノテートしたセグメンテーションに基づき、凸性（Cx） = 面積(S) / 凸包面積(ConvHull(S)) および単純性（Sp） = √(4π·面積(S)) / 周囲長(S) という2つの形状ベースの指標を提案。
• 専門家が導出した最小閾値（例：LV-epiでは Cx > 0.960、Sp > 0.694）を用いて、解剖学的妥当性の境界を定義。
• CAMUSデータセット（500例、1000枚の2次元画像）を用い、U-Net 1、U-Net 2、および非深層学習手法を含む8つのセグメンテーションアルゴリズムを評価。
• Diceスコアや距離スコアとは無関係に、Cx もしくは Sp が専門家が導出した閾値を下回る場合、セグメンテーションを「解剖学的外れ値」と分類。
• 幾何的指標（Dice、MD、HD）と解剖学的外れ値率を統合してモデルパフォーマンスを再評価し、標準的指標と解剖学的指標の間に乖離が生じることを明らかに。
• 非円形の左室内腔や不規則な心筋境界といった、局所的な形状違反を可視化するための輪郭変形を用いて、解剖学的外れ値を視覚化。

実験結果

リサーチクエスチョン

• RQ1 Diceスコアやハウスドルフ距離といった従来のセグメンテーション指標は、2次元心エコー画像において解剖学的に不条理なセグメンテーションを検出できないことがあるか？
• RQ2 高い幾何的正確性を示す深層学習モデルでも、基本的な解剖学的形状制約に反するセグメンテーションを生成するか？
• RQ3 凸性と単純性の指標は、心臓構造のセグメンテーションにおける解剖学的妥当性の信頼できる指標として機能するか？
• RQ4 モデルの複雑さやパラメータ数が、幾何的性能とは無関係に解剖学的外れ値の発生に与える影響はどの程度か？
• RQ5 標準的な評価プロトコルと比較して、解剖学的指標を組み込むことで、セグメンテーションモデルのランク付けはどの程度変化するか？

主な発見

• U-Net 1 と U-Net 2 は、両者とも幾何的性能が優れていたにもかかわらず、顕著な解剖学的外れ値を生じており、それぞれ95件および318件にのぼった。これは、幾何的妥当性と解剖学的妥当性の間に乖離があることを示唆している。
• U-Net 2 は Dice、MD、HD で U-Net 1 を上回っていたが、423件の外れ値のうち解剖学的に妥当なものは71件（17％）にとどまり、U-Net 1 の231件（55％）に比べて著しく低い。これは、モデルの複雑さが解剖学的誤差を増加させることを示唆している。
• 解剖学的妥当性のための専門家が導出した最小閾値は、LV-epi で Cx > 0.960、Sp > 0.694、LV-endo で Cx > 0.741、Sp > 0.529 であり、これらは深層学習モデルによって一貫して違反されていた。
• 解剖学的外れ値は、非円形の左室内腔や不規則な心筋境界といった局所的変形に敏感であり、図1では視覚的に明確に確認できた。
• 従来の指標だけではモデル評価が不十分である。特に、Diceスコアが高くても、U-Net 2 では最大26％もの解剖学的外れ値が生じており、形状に配慮した評価の必要性が浮き彫りになった。
• 本研究は、凸性や単純性といった解剖学的指標が、幾何的指標では検出できない臨床的に不条理な形状を検出できることを示し、標準的評価の必要不可欠な補完であることを実証した。