[論文レビュー] DoubleU-Net: A Deep Convolutional Neural Network for Medical Image Segmentation

Debesh Jha, Michael A. Riegler+3 more|arXiv (Cornell University)|Jun 8, 2020

Radiomics and Machine Learning in Medical Imaging被引用数 16

ひとこと要約

本稿では、事前学習済みのVGG-19エンコーダーとAtrous Spatial Pyramid Pooling (ASPP)を用いて、2つのU-Netアーキテクチャをスタックする深層畳み込みニューラルネットワーク、DoubleU-Netを提案する。この手法は、4つの多様な医用画像データセットにおいて最先端の性能を達成し、特に小さな平坦なポリープのような困難なケースにおいてU-Netを著しく上回り、Dice類似係数（DSC）で最大47.29%の向上を達成した。

ABSTRACT

Semantic image segmentation is the process of labeling each pixel of an image with its corresponding class. An encoder-decoder based approach, like U-Net and its variants, is a popular strategy for solving medical image segmentation tasks. To improve the performance of U-Net on various segmentation tasks, we propose a novel architecture called DoubleU-Net, which is a combination of two U-Net architectures stacked on top of each other. The first U-Net uses a pre-trained VGG-19 as the encoder, which has already learned features from ImageNet and can be transferred to another task easily. To capture more semantic information efficiently, we added another U-Net at the bottom. We also adopt Atrous Spatial Pyramid Pooling (ASPP) to capture contextual information within the network. We have evaluated DoubleU-Net using four medical segmentation datasets, covering various imaging modalities such as colonoscopy, dermoscopy, and microscopy. Experiments on the MICCAI 2015 segmentation challenge, the CVC-ClinicDB, the 2018 Data Science Bowl challenge, and the Lesion boundary segmentation datasets demonstrate that the DoubleU-Net outperforms U-Net and the baseline models. Moreover, DoubleU-Net produces more accurate segmentation masks, especially in the case of the CVC-ClinicDB and MICCAI 2015 segmentation challenge datasets, which have challenging images such as smaller and flat polyps. These results show the improvement over the existing U-Net model. The encouraging results, produced on various medical image segmentation datasets, show that DoubleU-Net can be used as a strong baseline for both medical image segmentation and cross-dataset evaluation testing to measure the generalizability of Deep Learning (DL) models.

研究の動機と目的

• 医用画像分類のためのアノテート済み訓練データが限られていることと、画像品質が低いという課題に対処すること。
• 多様な医用画像モodalitiesにわたるU-Netの汎化性とロバスト性を向上させること。
• 医用画像分類におけるクロスデータセット評価のための、より正確で信頼性のあるベースラインモデルを開発すること。
• 低データ環境におけるImageNetで事前学習されたモデルを用いたトランスファー学習の有効性を検証すること。
• ASPPによるコンテキストモデリングを組み合わせた複数のU-Netアーキテクチャを統合することで、特徴表現を強化すること。

提案手法

• DoubleU-Netは、2つのU-Netアーキテクチャを逐次的にスタックし、最初のU-Netはトランスファー学習のための事前学習済みVGG-19をエンコーダーとして使用する。
• 2番目のU-Netは、より深い、より意味的な特徴を捉えるために、下部に追加され、表現学習の向上に寄与する。
• Atrous Spatial Pyramid Pooling (ASPP)を統合して、ネットワーク内でのマルチスケールのコンテキスト情報を捉える。
• 両方のU-Netブランチでスキップ接続が使用され、空間的詳細が保持され、分類精度が向上する。
• クラス不均衡に対処するため、交差エントロピー損失にフォーカル損失を組み合わせ、エンドツーエンドで学習を行う。推論段階ではOtsuのしきい値処理による後処理が含まれる。
• アーキテクチャは柔軟に設計されており、特徴再調整のためのsqueeze-and-exciteブロックなどの追加ブロックの統合が可能である。

実験結果

リサーチクエスチョン

• RQ1 2つのU-Netアーキテクチャをスタックすることで、困難な医用画像分類タスクにおける性能向上が達成できるか？
• RQ2 事前学習済みVGG-19エンコーダーを統合することで、低データ医用画像分類環境における特徴学習と汎化性が向上するか？
• RQ3 多様な医用画像データセットにおいて、DoubleU-NetはU-Netや他の最先端モデルと比較してどのように性能を発揮するか？
• RQ4 ASPPの使用が、複雑な医用画像におけるコンテキストモデリングと分類精度をどの程度向上させるか？
• RQ5 DoubleU-Netは、医用画像分類におけるクロスデータセット評価のための、強固で汎用性の高いベースラインとして機能できるか？

主な発見

• 2015年MICCAIサブチャレンジにおける自動ポリープ検出タスクにおいて、DoubleU-NetはU-Net比でDice類似係数（DSC）に47.29%の向上を達成し、DSCは0.7649に到達した。
• CVC-ClinicDBデータセットでは、DoubleU-NetはU-NetのDSC 0.8781から0.9239に向上し、相対的に4.58%の向上を示した。これはコロノスコピー画像において優れた性能を示している。
• 2018年Data Science Bowlチャレンジにおける核の分類タスクでは、DoubleU-NetはDSC 0.9133を達成し、U-Net（0.7573）とUNet++（0.8974）を上回り、相対的に15.60%の向上を示した。
• ISIC-2018 Lesion Boundary Segmentationチャレンジでは、DoubleU-NetはDSC 0.8962を達成し、皮膚画像診断画像において優れた性能を示した。
• 定性的な結果から、特に小さな平坦なポリープに対して、DoubleU-Netはより正確で詳細な分類マスクを生成することが確認された。
• クロスデータセット一般化テストでは、特にETIS-Laribデータセットにおいて、スクラッチから訓練したU-Netを著しく上回り、優れたロバスト性と転送可能性を示した。