[論文レビュー] Feature Fusion Encoder Decoder Network For Automatic Liver Lesion Segmentation

Xueying Chen, Rong Zhang+1 more|arXiv (Cornell University)|Mar 28, 2019

Radiomics and Machine Learning in Medical Imaging参考文献 17被引用数 9

ひとこと要約

本稿では、CTスキャンにおける肝腫瘍の自動セグメンテーションを目的とした軽量な2次元特徴融合エンコーダ・デコーダーネットワーク（FED-Net）を提案する。アテンションベースの特徴融合、ドーバー・アップサンプリング畳み込み、リーマンブロックを統合することで、特徴表現と境界精度が向上し、LiTS 2017チャレンジにおいてDiceスコア0.650を達成した。これは多くの2次元モデルを上回り、2.5次元／3次元の最先端手法と同等の性能を発揮しながらも、計算コストを低く抑えている。

ABSTRACT

Liver lesion segmentation is a difficult yet critical task for medical image analysis. Recently, deep learning based image segmentation methods have achieved promising performance, which can be divided into three categories: 2D, 2.5D and 3D, based on the dimensionality of the models. However, 2.5D and 3D methods can have very high complexity and 2D methods may not perform satisfactorily. To obtain competitive performance with low complexity, in this paper, we propose a Feature-fusion Encoder-Decoder Network (FED-Net) based 2D segmentation model to tackle the challenging problem of liver lesion segmentation from CT images. Our feature fusion method is based on the attention mechanism, which fuses high-level features carrying semantic information with low-level features having image details. Additionally, to compensate for the information loss during the upsampling process, a dense upsampling convolution and a residual convolutional structure are proposed. We tested our method on the dataset of MICCAI 2017 Liver Tumor Segmentation (LiTS) Challenge and achieved competitive results compared with other state-of-the-art methods.

研究の動機と目的

• 低コントラストでノイズが多い、不規則な形状と不明瞭な境界を示すCT画像における正確かつ効率的な肝腫瘍セグメンテーションの課題に対処すること。
• 3次元および2.5次元モデルと同等の性能を達成しつつ、計算複雑性とハードウェア要件を最小限に抑えた2次元ディープラーニングモデルの開発。
• アテンション機構を用いて特徴の意味的関連性に基づき動的に重み付けすることで、U-Net型アーキテクチャにおける特徴統合を改善すること。
• ドーバー・アップサンプリング畳み込みとリーマンブロックを導入することで、アップサンプリング中の情報損失を低減し、腫瘍境界を精緻化すること。
• 限られた計算リソースを有する臨床現場での実用的導入に適した、軽量で汎用性の高いモデルの構築。

提案手法

• エンコーダは事前学習済みのResNet-50バックボーンを用い、4つのリーマンブロックから抽出された特徴マップにより、マルチレベル表現を捉える。
• アテンションベースの特徴統合モジュールは、異なるエンコーダ段階からの特徴に学習可能な重みを割り当て、高レベルの意味的特徴と低レベルの空間的詳細を統合する。
• 標準的な逆畳み込みとは異なり、ドーバー・アップサンプリング畳み込み（DUC）層を導入することで、空間解像度の回復と位置情報の保持を改善する。
• 特徴統合の前段階にリーマン畳み込みブロック（RCB）を挿入し、境界予測の精緻化とアップサンプリングに起因するノイズの低減を図る。
• エンコーダとデコーダの間にはスキップ接続を用い、空間的詳細を保持する。デコーディング段階では、特徴マップの次元を調整するために1×1畳み込みを適用する。
• モデルはデータオーグメンテーション（水平・垂直反転）を用いた確率的勾配降下法で学習され、後処理にはしきい値処理とラジオグラムマスクを用いて腫瘍セグメンテーションを実施する。

実験結果

リサーチクエスチョン

• RQ1 2次元ディープラーニングモデルは、計算コストを著しく削減した上で、2.5次元および3次元モデルと同等の肝腫瘍セグメンテーション性能を達成できるか？
• RQ2 アテンションベースの特徴統合は、医療画像セグメンテーションにおいて意味的表現を向上させると同時に空間的詳細を保持するのにどの程度有効か？
• RQ3 ドーバー・アップサンプリング畳み込みとリーマンブロックの導入により、アップサンプリング中の情報損失はどの程度低減され、境界精度はどのように向上するか？
• RQ4 本稿で提案するFED-Netは、異なるプロトコルや画像強度を有する多様なCTスキャンに対して十分に汎化可能か？
• RQ5 軽量な2次元ネットワークは、肝腫瘍セグメンテーションタスクにおいて、より深い3次元モデルを上回るか、同等の性能を発揮できるか？

主な発見

• FED-NetはLiTS 2017テストセットにおいて、1症例あたりのDiceスコア0.650、グローバルDiceスコア0.766を達成し、多数の2次元および2.5次元最先端手法を上回った。
• アブレーションスタディの結果、アテンションベースの統合、DUC、RCBの各モジュールが性能向上に段階的に寄与しており、フルモデルが最大の向上を示した。
• アテンション機構に squeeze-and-excitation（SE）ブロックを追加したことで、アテンションなしのベースライン特徴統合と比較して性能が0.8%向上した。
• パrameter数が少ない2次元アーキテクチャであるにもかかわらず、3次元モデル（H-DenseUNet: 0.722の1症例あたりDice、3D AH-Net: 0.834のグローバルDice）と同等の性能を発揮した。
• min-max正規化とHUウィンドウ処理（-200～250 HU）の適用により、異なる臨床施設やスキャナからのスキャン間で一貫性が向上した。
• 肝臓のバウンディングボックスとしきい値処理（0.3）を用いた後処理により、予測を肝臓領域に集中させることで、腫瘍セグメンテーションの精度が向上した。