[論文レビュー] DilatedSegNet: A Deep Dilated Segmentation Network for Polyp Segmentation

Nikhil Kumar Tomar, Debesh Jha+1 more|arXiv (Cornell University)|Oct 24, 2022

Colorectal Cancer Screening and Detection被引用数 4

ひとこと要約

DilatedSegNet は、膨張畳み込みプーリング（DCP）ブロックと CBAM アテンションモジュールを活用して特徴抽出と境界検出を強化する、リアルタイムで軽量な深層学習アーキテクチャであり、事前学習済み ResNet50 エンコーダーを用いてコロノスコピー画像におけるポリープ分類を実現する。公開データセット上で 0.90 の Dice係数と 0.83 の mIoU を達成し、33.68 FPS の推論速度を実現しており、臨床応用に適した高い正確性と汎化性能を示している。

ABSTRACT

Colorectal cancer (CRC) is the second leading cause of cancer-related death worldwide. Excision of polyps during colonoscopy helps reduce mortality and morbidity for CRC. Powered by deep learning, computer-aided diagnosis (CAD) systems can detect regions in the colon overlooked by physicians during colonoscopy. Lacking high accuracy and real-time speed are the essential obstacles to be overcome for successful clinical integration of such systems. While literature is focused on improving accuracy, the speed parameter is often ignored. Toward this critical need, we intend to develop a novel real-time deep learning-based architecture, DilatedSegNet, to perform polyp segmentation on the fly. DilatedSegNet is an encoder-decoder network that uses pre-trained ResNet50 as the encoder from which we extract four levels of feature maps. Each of these feature maps is passed through a dilated convolution pooling (DCP) block. The outputs from the DCP blocks are concatenated and passed through a series of four decoder blocks that predicts the segmentation mask. The proposed method achieves a real-time operation speed of 33.68 frames per second with an average dice coefficient of 0.90 and mIoU of 0.83. Additionally, we also provide heatmap along with the qualitative results that shows the explanation for the polyp location, which increases the trustworthiness of the method. The results on the publicly available Kvasir-SEG and BKAI-IGH datasets suggest that DilatedSegNet can give real-time feedback while retaining a high \ac{DSC}, indicating high potential for using such models in real clinical settings in the near future. The GitHub link of the source code can be found here: \url{https://github.com/nikhilroxtomar/DilatedSegNet}.

研究の動機と目的

• コロノスコピーにおけるポリープの見逃しによるインターバル大腸がん発症という臨床的課題に対処すること。
• 臨床内 endoscopy ワークフローに統合可能な、リアルタイム性・正確性・汎化性能に優れたポリープ分類モデルの開発。
• 膨張畳み込みとアテンションメカニズムによるエンコーダー内の特徴表現の強化を通じて、分類性能の向上。
• ポリープ領域を強調するヒートマップを生成することで、モデルの解釈性を向上。
• 標準ハードウェア上での導入を想定し、高精度と計算効率の両立。

提案手法

• ネットワークは、4段階のスケールでマルチスケール特徴マップを抽出するため、事前学習済み ResNet50 をエンコーダーとして使用。
• 各特徴マップは、率 1, 3, 6, 9 の並列な膨張畳み込みを用いた膨張畳み込みプーリング（DCP）ブロックで処理され、受容 field を拡大。
• DCP ブロックの出力を連結し、アップサンプリング、スキップ接続の連結、残差ブロック、および CBAM アテンションモジュールから成るデコーダーに渡す。
• 最終的なデコーダーブロックの後、1×1 畳み込み層を経て、最終的なセグメンテーションマスクを出力。
• 訓練は標準的なバイナリクロスエントロピー損失と Dice 損失を用い、訓練中にデータオーグメンテーションを適用。
• グレディエント・カム風のヒートマップを用いて、モデルの解釈性を向上させ、ポリープ領域への注目を可視化。

実験結果

リサーチクエスチョン

• RQ1 軽量でリアルタイムな分類ネットワークは、推論速度を犠牲にせずに高い正確性を達成できるか？
• RQ2 膨張畳み込みとアテンションメカニズムの統合は、小形・平坦型ポリープの分類にどのように寄与するか？
• RQ3 提案アーキテクチャは、異なる臨床環境からの未観測データセットに対してもどれほど汎化可能か？
• RQ4 アテンションメカニズムと DCP ブロックは境界明確化とモデルのロバストネスに顕著な寄与をしているか？
• RQ5 ネットワークから生成されたヒートマップは、ポリープ局在の信頼性のある視覚的説明を提供できるか？

主な発見

• Kvasir-SEG データセット上で、DilatedSegNet は平均 Dice 係数（DSC）0.90 と mIoU 0.83 を達成し、9 つのベンチマーク手法を上回った。
• モデルは 33.68 フレーム/秒でリアルタイムに動作し、パラメータ数は 18.11 百万、FLOPs は 27.1 GMac にとどまり、標準ハードウェア上での導入が可能である。
• クロスデータセット評価では、Kvasir-SEG で学習し CVC-ClinicDB でテストした場合、DSC 0.8278、mIoU 0.7545 を達成し、DeepLabv3+ より DSC 1.36% 高かった。
• 未観測の BKAI-IGH データセットでテストしたところ、DilatedSegNet は、以前の SOTA モデルである PraNet より DSC 2.47%、mIoU 2.97% 高かった。
• アブレーションスタディの結果、DCP ブロックまたは CBAM アテンションモジュールを削除すると、DSC が 3.3%、mIoU が 3.9% 減少し、両者の性能向上に果たす重要性が裏付けられた。
• ヒートマップの可視化により、モデルがポリープ領域および境界に注目していることが確認され、解釈性と臨床的信頼性が向上した。