[論文レビュー] Efficient Lung Cancer Image Classification and Segmentation Algorithm Based on Improved Swin Transformer

Ruina Sun, Yuexin Pang|arXiv (Cornell University)|Jul 4, 2022

Radiomics and Machine Learning in Medical Imaging被引用数 5

ひとこと要約

本稿では、自己注意メカニズムと階層的特徴学習を活用して、正確性と計算効率を向上させる、効率的な肺がん画像分類・セグメンテーションのための改良されたスウィン変換器アーキテクチャを提案する。事前学習を用いることで、分類精度は最大82.3%、セグメンテーション精度は95%を超えることを達成し、実世界の診断シナリオにおいて優れたパフォーマンスを示している。

ABSTRACT

With the development of computer technology, various models have emerged in artificial intelligence. The transformer model has been applied to the field of computer vision (CV) after its success in natural language processing (NLP). Radiologists continue to face multiple challenges in today's rapidly evolving medical field, such as increased workload and increased diagnostic demands. Although there are some conventional methods for lung cancer detection before, their accuracy still needs to be improved, especially in realistic diagnostic scenarios. This paper creatively proposes a segmentation method based on efficient transformer and applies it to medical image analysis. The algorithm completes the task of lung cancer classification and segmentation by analyzing lung cancer data, and aims to provide efficient technical support for medical staff. In addition, we evaluated and compared the results in various aspects. For the classification mission, the max accuracy of Swin-T by regular training and Swin-B in two resolutions by pre-training can be up to 82.3%. For the segmentation mission, we use pre-training to help the model improve the accuracy of our experiments. The accuracy of the three models reaches over 95%. The experiments demonstrate that the algorithm can be well applied to lung cancer classification and segmentation missions.

研究の動機と目的

• 放射線科医の診断負担の増大に応えるために、自動で正確な肺がん検出システムを開発すること。
• 従来の手法を上回る、肺がん画像における分類およびセグメンテーションの正確性を向上させること。
• スウィン変換器のアーキテクチャの改善を通じて、モデルの効率性とパフォーマンスを向上させること。
• 複数の指標にわたる包括的な評価を実施し、実世界の医用画像データ上で手法を検証すること。

提案手法

• 長距離依存性を捉えつつ計算効率を維持するため、シフトされたウィンドウ自己注意を用いた改良されたスウィン変換器アーキテクチャを設計した。
• 肺CTスキャンからのマルチスケール表現を捉えるために、階層的特徴抽出を採用した。
• 大規模な医用画像データセットを用いた事前学習により、モデルの汎化性能とパフォーマンスを向上させた。
• 交差エントロピー損失とDice損失を用いて、分類およびインスタンスセグメンテーションの両タスクに対してエンドツーエンドで微調整した。
• 頑健性を向上させるとともに過学習を低減するために、データオーグメンテーションおよび正規化技術を適用した。
• 分類とセグメンテーションを統合したフレームワークを提供し、臨床意思決定支援のための統合推論を可能にした。

実験結果

リサーチクエスチョン

• RQ1 改良されたスウィン変換器アーキテクチャは、標準モデルと比較して、肺がん分類においてより高い正確性を達成できるか？
• RQ2 事前学習は、肺CT画像における変換器ベースのモデルのセグメンテーション性能にどのように影響するか？
• RQ3 提案手法は、高い診断正確性を維持しつつ、計算コストをどの程度低減できるか？
• RQ4 モデルは多様な実世界の肺がん画像データセットに十分に汎化できるか？

主な発見

• 提案手法は、スウィン-Tを通常訓練で使用した場合、最大82.3%の分類精度を達成した。また、2つの解像度でスウィン-Bを事前学習した場合も同様に高い精度を示した。
• 肺がんセグメンテーションにおいて、すべての3つのモデル（スウィン-T、スウィン-S、スウィン-B）が事前学習を経て95%を超える精度を達成した。
• 事前学習はセグメンテーション性能を顕著に向上させたことから、医用画像で一般的な少数データ環境においてその価値が示された。
• 異なる画像解像度およびデータ分布に対して、モデルは優れた汎化性能と頑健性を示した。