[論文レビュー] From CNN to Transformer: A Review of Medical Image Segmentation Models

Wenjian Yao, Jiajun Bai+4 more|arXiv (Cornell University)|Aug 10, 2023

Radiomics and Machine Learning in Medical Imaging被引用数 8

ひとこと要約

この論文は四つの代表的な医用画像分割モデル（U-Net、UNet++, TransUNet、Swin-Unet）を調査し、それらの特徴を分析し、結核胸部X線と卵巣腫瘍データセットでの性能を比較し、Transformerベースのモデルの全体的文脈モデリングにおける利点を強調します。

ABSTRACT

Medical image segmentation is an important step in medical image analysis, especially as a crucial prerequisite for efficient disease diagnosis and treatment. The use of deep learning for image segmentation has become a prevalent trend. The widely adopted approach currently is U-Net and its variants. Additionally, with the remarkable success of pre-trained models in natural language processing tasks, transformer-based models like TransUNet have achieved desirable performance on multiple medical image segmentation datasets. In this paper, we conduct a survey of the most representative four medical image segmentation models in recent years. We theoretically analyze the characteristics of these models and quantitatively evaluate their performance on two benchmark datasets (i.e., Tuberculosis Chest X-rays and ovarian tumors). Finally, we discuss the main challenges and future trends in medical image segmentation. Our work can assist researchers in the related field to quickly establish medical segmentation models tailored to specific regions.

研究の動機と目的

• CNN-およびTransformerベースの医用画像分割モデルの evolution と特徴を評価する。
• ベンチマークデータセット上で四つの代表的モデルを定量的に比較する。
• 医用画像分割の課題と今後のトレンドを特定する。
• 再現性と拡張を支援する実験設定とオープンソースコードを提供する。

提案手法

• 四つの代表モデルをレビューする：U-Net、UNet++, TransUNet、Swin-Unet。
• 各モデルの特徴表現と長距離依存性モデリングにおける長所と限界を理論的に分析する。
• Tuberculosis Chest X-rays と Ovarian Tumors データセット上で標準的な分割指標を用いてモデルを実験的に評価する。
• Dice、HD95、IoU、Accuracy、Precision、Recall を報告し、性能を比較する。
• データラベリングやクラス不均衡といった課題を議論し、緩和戦略を提案する。
• 再現性のために GitHub にコードと設定パラメータを共有する。

実験結果

リサーチクエスチョン

• RQ1 医用画像分割において従来のCNNベースのアーキテクチャはTransformerベースのアーキテクチャと比較してどうか。
• RQ2 Transformerモジュール（または Swin Transformer）を導入することが、さまざまなデータセットで分割性能に与える影響は。
• RQ3 tested tasks で精度、境界品質、計算効率の最良のバランスを提供するモデルはどれか。
• RQ4 医用画像に対する教師あり分割を適用する際の実務的な課題と、それを緩和する方法は何か。

主な発見

DSC↑	HD95↓	IoU↑	Acc↑	Precision↑	Recall↑
95.32%	14.23	91.24%	97.69%	96.13%	94.78%
95.83%	11.75	92.15%	97.95%	97.31%	94.62%
96.45%	10.75	93.25%	98.16%	97.36%	95.72%
95.71%	12.10	91.88%	97.80%	96.81%	94.79%

• TransUNet は全メトリクスで TB 胸部X線において最も良い総合性能を示す。
• TBデータセットでは TransUNet が DSC 96.45、HD95 10.75、IoU 93.25、Accuracy 98.16、Precision 97.36、Recall 95.72 を達成。
• 卵巣腫瘍データセットでは、TransUNet が Dice、HD95、IoU、Accuracy、Precision で再び首位を取り、Recall は Swin-Unet に次ぐ。
• 肺分割タスクの平均 IoU はすべての四手法で 91% 以上を達成しており、分割が容易な領域での性能が高いことを示す。
• Transformerモジュールを導入すると、純CNNに比べて極端に悪い Dice スコア（<20%）の出現が減少する。
• 本研究は、Transformer対応アーキテクチャ（特に TransUNet）が全体情報を効果的に捉え、分割精度を改善することを結論づけている。