[論文レビュー] Enhanced Optic Disk and Cup Segmentation with Glaucoma Screening from Fundus Images using Position encoded CNNs

Vismay Agrawal, Avinash Kori+2 more|arXiv (Cornell University)|Sep 14, 2018

Retinal Imaging and Analysis参考文献 4被引用数 11

ひとこと要約

本稿は、網膜画像を用いた緑内障スクリーニングのためのアンサンブル深層学習フレームワークを提案する。視神経乳頭および視杯のセグメンテーションに位置符号化CNNを組み合わせ、その後に事前学習済みDenseNet201およびResNet18を用いた分類を実施する。本手法は、REFUGE検証セットでAUC 0.85を達成し、空間座標とマルチパラメータCLAEHを用いることで、局在化と一般化性能が向上している。

ABSTRACT

In this manuscript, we present a robust method for glaucoma screening from fundus images using an ensemble of convolutional neural networks (CNNs). The pipeline comprises of first segmenting the optic disk and optic cup from the fundus image, then extracting a patch centered around the optic disk and subsequently feeding to the classification network to differentiate the image as diseased or healthy. In the segmentation network, apart from the image, we make use of spatial co-ordinate (X \& Y) space so as to learn the structure of interest better. The classification network is composed of a DenseNet201 and a ResNet18 which were pre-trained on a large cohort of natural images. On the REFUGE validation data (n=400), the segmentation network achieved a dice score of 0.88 and 0.64 for optic disc and optic cup respectively. For the tasking differentiating images affected with glaucoma from healthy images, the area under the ROC curve was observed to be 0.85.

研究の動機と目的

• 深層学習を用いて視神経乳頭および視杯のセグメンテーションとその後の分類を統合することで、緑内障スクリーニングの精度を向上させること。
• 追加の入力チャネルとして空間座標情報（X, Y）を組み込むことで、セグメンテーションにおける構造的局在化を向上させること。
• 事前学習済みモデル（DenseNet201およびResNet18）のアンサンブルを採用することで、分類のばらつきを低減し、耐性を高めること。
• 重み付き交差エントロピーとマルチパラメータCLAEH増幅を用いることで、データセット間のクラス不均衡およびドメインシフトに対処すること。
• 空間符号化およびマルチスケールヒストограм等化がセグメンテーションおよび分類性能に与える影響を評価すること。

提案手法

• セグメンテーションネットワークは、長距離および短距離のスキップ接続を備えた57層の密接続CNNを採用し、構造的局在化を向上させるために空間座標マップ（X, Y）を追加入力として用いた網膜画像で学習する。
• 2つのセグメンテーションモデルのアンサンブルを用いる：1つはRGB画像に加えて座標マップ（5チャネル）を入力とするもの、もう1つは2つのCLAHE強化画像を追加（11チャネル）するもので、照明変動への耐性を高める。
• 分類パイプラインは、セグメンテーション出力に基づき視神経乳頭を中心に550×550ピクセルのパッチを抽出し、そのパッチを事前学習済みDenseNet201およびResNet18のアンサンブルモデルに入力する。
• 分類ネットワークの入力には、元の画像に加え、異なるタイルサイズおよびクリップリミットを用いた6種類のCLAHE強化バージョンを含め、特徴の多様性を向上させるために合計21チャネルとする。
• グレーブルクラスの不均衡を緩和するため、クラスバランス重みを用いた重み付き交差エントロピー損失を学習時に使用する。
• 推論時、パッチから10個の500×500ピクセルのクロップを抽出し、最終的な緑内障確率はアンサンブルモデル予測の平均値として計算する。

実験結果

リサーチクエスチョン

• RQ1 CNNの入力に空間座標情報（X, Y）を組み込むことで、網膜画像における視神経乳頭および視杯のセグメンテーション精度が向上するか？
• RQ2 事前学習済みモデル（DenseNet201およびResNet18）のアンサンブルは、セグメンテーション済み視神経乳頭パッチからの緑内障検出において、単一モデル分類を上回る性能を示すか？
• RQ3 マルチパラメータCLAEH増幅は、照明やコントラストが異なる多様な網膜画像データセット間での一般化性能にどのように影響するか？
• RQ4 アンサンブルの選択的プルーニングは、すべてのモデルを使用する場合と比較して、性能向上にどの程度寄与するか？
• RQ5 空間座標とマルチスケールCLAEHの使用は、視神経乳頭および視杯といった臨床的関連領域に注目するネットワークの能力を向上させるか？

主な発見

• セグメンテーションネットワークは、REFUGEのオフライン検証セット（n=400）で視神経乳頭のDiceスコア0.88、視杯で0.64を達成し、良好な構造的局在化を示した。
• 分類ネットワークは、同じ検証セットで受信者操作特性曲線下の面積（AUC）が0.856に達し、特異度0.85における感度は0.75であった。
• 入力層に空間座標マップを組み込むことで、視神経乳頭および視杯の局在化が顕著に向上したことが、これらの領域に集中する活性化マップによって確認された。
• 6種類の異なる設定を用いたマルチパラメータCLAEH（6つの異なる設定）は、単一のCLAEH設定と比較して、データセット間でのモデル一般化性能を向上させた。
• アンサンブル学習により予測のばらつきが低減し、性能が向上した。特に、アンサンブルの選択的プルーニングにより、すべてのモデルを使用する場合よりも高い精度が得られた。
• 最初の畳み込み層の活性化マップは、ネットワークが視神経乳頭、視杯、および背景に注目する能力を学習していることを確認した。臨床的関連性と整合的であった。