[論文レビュー] DONet: Dual Objective Networks for Skin Lesion Segmentation

Yaxiong Wang, Yunchao Wei+3 more|arXiv (Cornell University)|Aug 19, 2020

Cutaneous Melanoma Detection and Management参考文献 50被引用数 18

ひとこと要約

本稿では、皮膚腫瘍のセグメンテーションのための二重目的ネットワークであるDONetを提案する。この手法は、異なる損失関数で最適化された2つの対称的なデコーダーを用い、補完的な確率マップを生成することで、セグメンテーションの信頼性を向上させる。本手法は、ISIC 2018で0.881、PH²で0.931のSOTA（最先端）のDiceスコアを達成しており、異なる最適化目的からの予測を統合し、多スケールの文脈的特徴を学習するための再帰的文脈符号化モジュール（RCEM）を採用している。

ABSTRACT

Skin lesion segmentation is a crucial step in the computer-aided diagnosis of dermoscopic images. In the last few years, deep learning based semantic segmentation methods have significantly advanced the skin lesion segmentation results. However, the current performance is still unsatisfactory due to some challenging factors such as large variety of lesion scale and ambiguous difference between lesion region and background. In this paper, we propose a simple yet effective framework, named Dual Objective Networks (DONet), to improve the skin lesion segmentation. Our DONet adopts two symmetric decoders to produce different predictions for approaching different objectives. Concretely, the two objectives are actually defined by different loss functions. In this way, the two decoders are encouraged to produce differentiated probability maps to match different optimization targets, resulting in complementary predictions accordingly. The complementary information learned by these two objectives are further aggregated together to make the final prediction, by which the uncertainty existing in segmentation maps can be significantly alleviated. Besides, to address the challenge of large variety of lesion scales and shapes in dermoscopic images, we additionally propose a recurrent context encoding module (RCEM) to model the complex correlation among skin lesions, where the features with different scale contexts are efficiently integrated to form a more robust representation. Extensive experiments on two popular benchmarks well demonstrate the effectiveness of the proposed DONet. In particular, our DONet achieves 0.881 and 0.931 dice score on ISIC 2018 and $ ext{PH}^2$, respectively. Code will be made public available.

研究の動機と目的

• 変動する腫瘍スケールや弱い腫瘍-背景境界による、皮膚腫瘍セグメンテーションにおける高い不確実性と曖昧性の課題に対処すること。
• 単一の損失関数に依存するのではなく、異なる最適化目的からの補完的予測を活用することで、セグメンテーションの信頼性を向上させること。
• 新規の再帰的文脈符号化モジュール（RCEM）を用いて、形状やサイズが異なる腫瘍のための多スケール文脈表現を強化すること。
• 二重デコーダー構造を用いて複数のセグメンテーション目的を同時に最適化することで、ベンチマークデータセットで最先端の性能を達成すること。

提案手法

• DONetは共有エンコーダに続く2つの対称的なデコーダーを採用しており、それぞれが異なる損失関数（例：Dice損失およびFocal Tversky損失）で最適化されることで、異なる最適化目的を実現する。
• 2つのデコーダーはそれぞれ異なる損失関数のターゲットを最適化することに偏るため、補完的な確率マップを出力する。
• 共同意思決定メカニズムにより、2つの確率マップが統合され、より信頼性の高い最終的なセグメンテーションマップが得られる。このプロセスにより、不確実性が低減される。
• 再帰的文脈符号化モジュール（RCEM）は、拡張畳み込み（dilation rates 1, 2, 4, 8）からの多スケール文脈特徴を、畳み込みLSTMを用いて繰り返し蓄積する。
• RCEMは再帰的メカニズムにより、異なる受容野からの特徴を統合することで、腫瘍スケールの変動に対してより頑健な表現を実現する。
• 多スケールスキップ接続により、RCEMからの文脈的知識がデコーダのパスに転送され、デコーダ内の特徴表現が強化される。

実験結果

リサーチクエスチョン

• RQ1 異なる損失関数で最適化された2つのデコーダーが、補完的な予測を生成することで、セグメンテーションの信頼性を向上させることができるか？
• RQ2 腫瘍のスケールや形状の変動に耐性を持つように、多スケール文脈特徴を効果的に統合する方法は何か？
• RQ3 再帰的文脈符号化が、単純な特徴連結に比べて、皮膚画像における長距離依存関係を捉える上で優れているか？
• RQ4 二重目的アーキテクチャ（DOA）とRCEMは、個別および共同でセグメンテーション性能にどの程度寄与しているか？

主な発見

• DONetはISIC 2018データセットで0.881のDiceスコアを達成し、ベースラインから0.027ポイント向上した。
• PH²データセットでは、DONetが0.931のDiceスコアを達成し、異なるデータセット間での強い汎化性能を示した。
• アブレーションスタディの結果、二重目的アーキテクチャ（DOA）とRCEMの両方が顕著に寄与しており、DOAはDiceスコアを0.017ポイント、RCEMは0.019ポイント向上させた。
• DOAとRCEMの組み合わせにより最高の性能が得られ、ISIC 2018で0.881、PH²で0.931のDiceスコアが達成された。これは相乗効果を示している。
• 4ステップ（拡張率1,2,4,8）のRCEMが最適な性能を発揮し、4ステップを超えると利得が減少する傾向を示した。
• 可視化されたアブレーション結果から、DOAおよびRCEMの両方が境界適合性を向上させ、特に小さなまたは不規則な腫瘍のケースで誤検出を低減していることが確認された。