[論文レビュー] Fast Unsupervised Brain Anomaly Detection and Segmentation with Diffusion Models

Walter Hugo Lopez Pinaya, Mark S. Graham+13 more|arXiv (Cornell University)|Jun 7, 2022

Generative Adversarial Networks and Image Synthesis被引用数 6

ひとこと要約

本稿では、健全な脳MRIおよびCTスキャンの潜在表現に適用したノイズ除去拡散確率的モデル（DDPM）を用いて、高速で教師なしの脳異常検出およびセグメンテーション手法を提案する。DDPMの逆方向ノイズ除去プロセスを活用して潜在空間内の逸脱を特定することで、自己回帰的トランスフォーマーと同等の性能を達成するとともに、推論時間を1時間以上から10分未塔に短縮し、リアルタイム応用に向けた臨床的実用性を実現する。

ABSTRACT

Deep generative models have emerged as promising tools for detecting arbitrary anomalies in data, dispensing with the necessity for manual labelling. Recently, autoregressive transformers have achieved state-of-the-art performance for anomaly detection in medical imaging. Nonetheless, these models still have some intrinsic weaknesses, such as requiring images to be modelled as 1D sequences, the accumulation of errors during the sampling process, and the significant inference times associated with transformers. Denoising diffusion probabilistic models are a class of non-autoregressive generative models recently shown to produce excellent samples in computer vision (surpassing Generative Adversarial Networks), and to achieve log-likelihoods that are competitive with transformers while having fast inference times. Diffusion models can be applied to the latent representations learnt by autoencoders, making them easily scalable and great candidates for application to high dimensional data, such as medical images. Here, we propose a method based on diffusion models to detect and segment anomalies in brain imaging. By training the models on healthy data and then exploring its diffusion and reverse steps across its Markov chain, we can identify anomalous areas in the latent space and hence identify anomalies in the pixel space. Our diffusion models achieve competitive performance compared with autoregressive approaches across a series of experiments with 2D CT and MRI data involving synthetic and real pathological lesions with much reduced inference times, making their usage clinically viable.

研究の動機と目的

• アノテート済みの異常データを一切必要としない、迅速で正確かつ教師なしの脳病変検出の臨床的ニーズに対応すること。
• 自己回帰的トランスフォーマーの限界、特に高い推論時間、誤差蓄積、および医用画像解析における一方向シーケンスバイアスを克服すること。
• 潜在空間における拡散モデルの高速性と安定性を活用して、神経画像におけるリアルタイムの異常検出およびセグメンテーションを可能にすること。
• 拡散モデルがトランスフォーマーに基づく手法と同等またはそれを上回る異常検出性能を達成する一方で、著しく高速であることを実証すること。

提案手法

• 本手法は、2次元MRIおよびCT画像を低次元の潜在空間に圧縮するための変分オートエンコーダー（VAE）を用い、構造的情報を保持する。
• 正常な脳解剖の分布を学習するために、健康な潜在表現に限定してノイズ除去拡散確率的モデル（DDPM）を訓練する。
• 異常は、逆方向ノイズ除去プロセスにおける再構成誤差を測定することで検出する。誤差が大きいほど、正常から逸脱していることを示す。
• 逆プロセスの高速化にDDIM（ノイズ除去拡散インプリシットモデル）を用い、サンプリングステップを500から50に削減しながら、画像品質と性能を維持する。
• 異常セグメンテーションは、潜在空間におけるピクセル単位の再構成誤差を計算し、それをピクセル空間に再投影することで局所化する。
• 解像度と推論速度を制御するため、固定のダウンサンプリング係数（f=4またはf=8）を用い、複数のデータセットで性能を評価する。

実験結果

リサーチクエスチョン

• RQ1 潜在空間における拡散モデルは、脳画像分野における最先端の自己回帰的トランスフォーマーと比較して、競争力のある異常検出性能を達成できるか？
• RQ2 DDIMサンプリングの使用は、検出精度を低下させることなく、推論時間を顕著に短縮できるか？
• RQ3 本手法は、アノテート済みの異常データが一切不要な状態で、2次元CTおよびMRIスキャンにおける合成および実際の病理的病変の両方を検出・セグメンテーションできるか？
• RQ4 本手法は、画像解像度の増加に伴ってどのようにスケーリングするか？また、自己回帰モデルに一般的に見られる誤差蓄積問題を回避できるか？
• RQ5 本手法は、特に脳内出血検出のような時間的に敏感な状況において、リアルタイム臨床デプロイメントに十分な速度を備えているか？

主な発見

• 提案手法のDDPMベースのアプローチは、KCHデータセットでDICEスコア0.471を達成し、最良の性能を示したトランスフォーマーエンsemble（0.435）を上回り、推論時間を著しく短縮した。
• DDIMサンプリング（50ステップ、f=4）を用いることで、100スライスの推論時間を324秒（6分未塔）に短縮した。これに対し、トランスフォーマーエンsembleは4,907秒（80時間以上）を要した。
• CROMISデータセットでは、DDIM（f=8）を用いた場合、推論時間12秒でDICEスコア0.286を達成し、トランスフォーマーベースライン（0.205）およびf-AnoGAN（0.146）を上回った。
• 本手法は多様なデータに対して高いロバスト性を示した。KCHでは最高のDICEスコア（0.471）を、WMHでは0.298を達成し、実病変セグメンテーションにおいてすべてのベースラインを上回った。
• DDIMの導入により、標準DDPMに比べて10倍の高速化が達成され、性能は同等を維持した。これは、臨床的デプロイメントにおいて極めて重要である。
• 本手法は、性能および推論速度の両面で自己回帰モデルを一貫して上回り、特にトランスフォーマーが計算コストが増加する高解像度設定において顕著な優位性を示した。