[論文レビュー] Disease Detection in Weakly Annotated Volumetric Medical Images using a Convolutional LSTM Network

Nathaniel Braman, David Beymer+1 more|arXiv (Cornell University)|Dec 3, 2018

Lung Cancer Diagnosis and Treatment参考文献 9被引用数 5

ひとこと要約

本稿では、正確な病変アノテーションを必要とせず、バイナリ病気ラベルのみを用いて低線量CTスキャンにおける肺気腫を検出する3次元畳み込みLSTMネットワークを提案する。ボリュメトリックデータを2次元スライスの系列として処理することで、スライス間の空間的関係を捉え、AUC 0.83を達成し、2D MILベースのCNN（AUC 0.69–0.76）および3D CNN（AUC 0.77）を上回る性能を示した。

ABSTRACT

We explore a solution for learning disease signatures from weakly, yet easily obtainable, annotated volumetric medical imaging data by analyzing 3D volumes as a sequence of 2D images. We demonstrate the performance of our solution in the detection of emphysema in lung cancer screening low-dose CT images. Our approach utilizes convolutional long short-term memory (LSTM) to "scan" sequentially through an imaging volume for the presence of disease in a portion of scanned region. This framework allowed effective learning given only volumetric images and binary disease labels, thus enabling training from a large dataset of 6,631 un-annotated image volumes from 4,486 patients. When evaluated in a testing set of 2,163 volumes from 2,163 patients, our model distinguished emphysema with area under the receiver operating characteristic curve (AUC) of .83. This approach was found to outperform 2D convolutional neural networks (CNN) implemented with various multiple-instance learning schemes (AUC=0.69-0.76) and a 3D CNN (AUC=.77).

研究の動機と目的

• バイナリ診断ラベルのみを必要とするボリュメトリック医療画像における疾患検出のためのディープラーニングフレームワークの開発。手作業によるセグメンテーションのコストを回避する。
• 病変がボリュームの僅かな部分にしか現れないような局所的疾患（例：肺気腫）を3次元CTスキャンで検出する課題に対処すること。
• 複数インスタンス学習（MIL）の限界を克服し、スライス間の空間的関係を系列処理によって保持すること。
• 専門家による領域アノテーションを必要とせず、放射線科レポートから得られるラベルを活用することで、大規模な弱ラベル付きデータセットを用いた学習を可能とすること。
• 容易に入手可能なバイナリラベルを用いて、異なる臨床施設間で再訓練およびファインチューニングが可能なモデルの実現可能性を示すこと。

提案手法

• モデルは3次元CTボリュームを2次元軸方向スライスの系列として処理し、各スライスに畳み込み層を適用した後、空間的・時系列的依存関係をモデル化するための畳み込みLSTM（Conv-LSTM）を適用する。
• アーキテクチャは、共有されたフィルタ数を有する4つのConv-LSTMユニットを用い、2つの上行（32フィルタ）と2つの下行（32フィルタ）を経て、その後2つの上行（64フィルタ）と2つの下行（64フィルタ）を経る。これにより、双方向の特徴学習が可能となる。
• 各Conv-LSTMユニットはスライスを順方向（上行）または逆方向（下行）に処理し、病変パターンを複数スライスにわたって捉える隠れ状態を維持する。最終的な特徴量はボリューム全体を要約する。
• 最終的な全結合層にシグモイド活性化関数を適用し、肺気腫の確率を出力する。学習はエンドツーエンドでバイナリクロスエントロピー損失関数を用いて行う。
• モデルは4,486名の患者から得られた6,631件のアノテーションなしCTボリュームを用いて学習され、うち75%を訓練、25%を検証およびハイパーパramータチューニングに使用した。
• 公平性を確保するため、パrameter数が同等の3D CNNと比較した。

実験結果

リサーチクエスチョン

• RQ1 バイナリ病気ラベルのみが利用可能な状況で、Conv-LSTMモデルはボリュメトリックCTスキャンにおける肺気腫を効果的に検出できるか？
• RQ2 Conv-LSTMによる2次元スライスの系列処理は、MILベースのプーリング戦略と比較してスライス間の空間的関係をよりよく保持できるか？
• RQ3 弱ラベル付きデータを用いた場合、Conv-LSTMモデルの性能は2D MIL-CNNおよび3D CNNと比べてどうなるか？
• RQ4 病変が肺ボリュームのわずかな部分にしか存在しない場合でも、モデルは患者全体にわたって一般化し、疾患を検出できるか？
• RQ5 放射線科レポートから得られるバイナリラベルをどれだけ活用すれば、手作業によるセグメンテーションを必要とせず高精度なモデルを学習できるか？

主な発見

• Conv-LSTMモデルは、独立したテストセット（CTボリューム2,163件）において、肺気腫検出の受信者操作特性曲線下積分（AUC）が0.83を達成した。
• 2D MILベースのCNNは、それぞれ最大プーリング（AUC 0.69）、平均プーリング（AUC 0.70）、積プーリング（AUC 0.76）を用いた場合、顕著に劣った。
• パrameter数が類似する3D CNNに対しても、Conv-LSTMは優れた性能を示し、AUC 0.77を達成した。
• Youdenの指数の最適閾値において、感度77%、特異度74%を達成し、真陽性を的確に検出する能力と偽陽性の低減の両立が図れた。
• モデルの性能はさまざまなプーリング戦略に対して安定しており、肺気腫が僅かなスライスの一部にしか存在しない場合でも、病変パターンを学習できる能力を示した。
• このフレームワークにより、放射線科レポートから得られるバイナリラベルのみを用いて大規模データセットの学習が可能となり、モデル開発に利用可能なデータの池が著しく拡大された。