[論文レビュー] ET-Net: A Generic Edge-aTtention Guidance Network for Medical Image Segmentation

Zhijie Zhang, Huazhu Fu+4 more|arXiv (Cornell University)|Jul 25, 2019

Retinal Imaging and AnalysisMedicine参考文献 20被引用数 21

ひとこと要約

ET-Net は、エンコーダーの初期層にエッジガイドモジュール（EGM）を統合し、デコーダー経路におけるマルチスケール特徴マッピングに重み付き統合モジュール（WAM）を用いることで、エッジアテンション表現を統合する汎用的なエッジアテンションガイド付きネットワークであり、医療画像セグメンテーションの精度を向上させる。4つの医療画像処理タスク（網膜および肺画像セグメンテーションを含む）で最先端の性能を達成し、CT肺画像セグメンテーションにおいて最大96.23%のmIoU向上を達成した。

ABSTRACT

Segmentation is a fundamental task in medical image analysis. However, most existing methods focus on primary region extraction and ignore edge information, which is useful for obtaining accurate segmentation. In this paper, we propose a generic medical segmentation method, called Edge-aTtention guidance Network (ET-Net), which embeds edge-attention representations to guide the segmentation network. Specifically, an edge guidance module is utilized to learn the edge-attention representations in the early encoding layers, which are then transferred to the multi-scale decoding layers, fused using a weighted aggregation module. The experimental results on four segmentation tasks (i.e., optic disc/cup and vessel segmentation in retinal images, and lung segmentation in chest X-Ray and CT images) demonstrate that preserving edge-attention representations contributes to the final segmentation accuracy, and our proposed method outperforms current state-of-the-art segmentation methods. The source code of our method is available at https://github.com/ZzzJzzZ/ETNet.

研究の動機と目的

• 境界予測の不正確さを引き起こす既存の医療画像セグメンテーションモデルがエッジ情報を無視するという限界を解決する。
• エッジ検出とオブジェクトセグメンテーションを統合的なディーブラーニングフレームワークに統合し、境界の局所化とセグメンテーション精度を向上させる。
• タスク固有の再トレーニングを必要とせず、多様な医療画像処理タスクにわたってセグメンテーション性能を向上させる汎用的かつ移植可能なアーキテクチャを開発する。
• アテンション機構を用いてローカルエッジ特徴を保持・活用し、エンコーダーデコーダーネットワークにおけるハイレベル特徴学習をガイドする。
• 後処理に依存するのを減らすために、エッジに敏感な表現をセグメンテーションネットワークアーキテクチャに直接埋め込む。

提案手法

• 初期エンコーディング層にエッジガイドモジュール（EGM）を採用し、微細な境界詳細を捉えるエッジアテンション表現を学習する。
• エッジ固有の情報を保持しながら階層的特徴を抽出できる、ResNet-50ベースのエンコーダーとEGMを統合する。
• デコーダー経路に重み付き統合モジュール（WAM）を導入し、マルチスケールのサイド出力の特徴を統合し、エッジアテンション特徴をハイレベル層に伝搬する。
• エンコーダーとデコーダーのブロック間でスキップ接続と連結を適用し、空間分解能と特徴の一貫性を維持する。
• 標準のセグメンテーション損失関数を用いて、エッジアテンション特徴が最終的なセグメンテーション予測をガイドする形で、ネットワークをエンドツーエンドで訓練する。
• E-ブロックおよびD-ブロックに残差接続を適用し、深層アーキテクチャにおける学習の安定性と勾配の流れを向上させる。

実験結果

リサーチクエスチョン

• RQ1 エッジアテンション表現は、境界局所化において医療画像のセグメンテーション精度を顕著に向上させることができるか？
• RQ2 初期エンコーディング層にエッジガイドを統合することで、U-Netに類似したセグメンテーションネットワークの性能にどのような影響を与えるか？
• RQ3 エッジアテンションを用いたマルチスケール特徴の重み付き統合は、最終的なセグメンテーション結果にどの程度向上効果をもたらすか？
• RQ4 提案されたET-Netは、網膜、レントゲン、CTスキャンを含む多様な医療画像処理タスクに一般化可能か？
• RQ5 タスク固有のアーキテクチャ変更なしに、ET-Netは既存の最先端手法を上回ることができるか？

主な発見

• 網膜の視神経乳頭および杯セグメンテーションのDrishti-GSデータセットにおいて、ET-Netは87.92%のmIoUを達成し、ベースラインネットワークを3.51ポイント上回った。
• 網膜血管セグメンテーションのDRIVEデータセットでは、ET-Netは77.44%のmIoUおよび95.60%の精度を達成し、U-Net、M-Net、FCNを上回った。
• X線胸部画像（MCデータセット）における肺セグメンテーションでは、ET-Netは94.20%のmIoUおよび98.65%の精度に達し、以前のSOTA手法を上回った。
• LUNA CTデータセットでは、ET-Netは96.23%のmIoUおよび98.68%の精度を達成し、3次元ボリューム画像処理において優れた性能を示した。
• アブレーションスタディの結果、EGMおよびWAMの両方が性能向上に顕著な貢献をしていることが確認され、EGM単体でもmIoUが2.08ポイント向上した。
• 定性的な結果では、ET-Netはベースラインモデルと比較して、特にエッジ領域においてより正確で連続的な境界予測を生成した。