[論文レビュー] Fully Automated Pancreas Segmentation with Two-stage 3D Convolutional Neural Networks

Ningning Zhao, Nuo Tong+2 more|arXiv (Cornell University)|Jun 5, 2019

Advanced Neural Network Applications参考文献 7被引用数 10

ひとこと要約

本稿では、CTスキャンにおける完全自動化された膵臓セグメンテーションを目的とした2段階の3次元U-Netフレームワークを提案する。まず、ダウンサンプリングされたボリューム上で粗いセグメンテーションを実行し、候補領域を生成する。次に、これらの領域をフル解像度で詳細なセグメンテーションを行う。本手法はNIHデータセットにおいて平均Dice-Sørensen係数（DSC）85.99%を達成し、最先端の2次元および3次元手法を上回る性能を示した。

ABSTRACT

Due to the fact that pancreas is an abdominal organ with very large variations in shape and size, automatic and accurate pancreas segmentation can be challenging for medical image analysis. In this work, we proposed a fully automated two stage framework for pancreas segmentation based on convolutional neural networks (CNN). In the first stage, a U-Net is trained for the down-sampled 3D volume segmentation. Then a candidate region covering the pancreas is extracted from the estimated labels. Motivated by the superior performance reported by renowned region based CNN, in the second stage, another 3D U-Net is trained on the candidate region generated in the first stage. We evaluated the performance of the proposed method on the NIH computed tomography (CT) dataset, and verified its superiority over other state-of-the-art 2D and 3D approaches for pancreas segmentation in terms of dice-sorensen coefficient (DSC) accuracy in testing. The mean DSC of the proposed method is 85.99%.

研究の動機と目的

• 膵臓の形状、サイズ、周囲組織のコントラストに著しい解剖学的可変性があるため、そのセグメンテーションの課題に対処すること。
• 3次元空間的文脈を活用しながら、2段階アプローチにより計算コストを低減することで、セグメンテーションの正確性を向上させること。
• 手動による領域 of interest（ROI）選択を回避する完全自動化手法を開発し、臨床応用のスケーラビリティを実現すること。
• NIH CTデータセットにおいて、既存の2次元および3次元ディープラーニング手法と比較して優れた性能を示すこと。

提案手法

• 粗いセグメンテーションマスクを生成するために、ダウンサンプリングされた3次元CTボリューム（縮小係数R=4）上で3次元U-Netを訓練する。
• 粗いマスクから、元の解像度空間における候補領域（ROI）を定義する正規化されたボクシングボックスを抽出する。
• 元のボリュームからROIを切り出して、その上で第二の3次元U-Netを訓練し、高解像度での精錬を実行する。
• 訓練段階では、完全カバーを確保するため、拡大された正解ボクシングボックス（10ピクセルのマージン付き）を用いてROIを生成する。
• 推論段階では、第一段階の予測から2つの候補ROIを生成し、最終的なセグメンテーションは多数決投票によって得る。
• 第二段階の訓練において、収束を加速するためにセンター損失を適用するが、これにより孤立した誤検出が生じる場合がある。

実験結果

リサーチクエスチョン

• RQ1 粗い局所化と細かい精錬を組み合わせた2段階の3次元CNNフレームワークは、膵臓セグメンテーションの正確性を向上させることができるか？
• RQ2 第一段階でのダウンサンプリングは、ROI生成およびその後のセグメンテーション性能にどのように影響を与えるか？
• RQ3 訓練時にのみROIを生成するのではなく、第一段階の出力から複数の候補ROIを用いる本手法のテスト戦略は、どれほど耐性を高めることができるか？
• RQ4 第二段階のネットワークでセンター損失を使用することで、精度を損なわずに収束を改善できるか？
• RQ5 Diceスコアおよび局在化正確性の観点から、本手法は最先端の2次元および3次元手法と定量的に比較してどの程度優れているか？

主な発見

• 提案手法の2段階アプローチは、NIH CTデータセットにおいて平均Dice-Sørensen係数（DSC）85.99％を達成し、先行研究の最先端手法を著しく上回った。
• 第二段階での平均DSCは第一段階と比較して最低3％以上向上しており、候補領域における精錬の有効性が裏付けられた。
• 全フォールドでボクシングボックスリコールが97％を超えた。ほとんどの被験者で平均IoUが60％以上であり、信頼性の高いROI局在化を示した。
• IoUが低かった1名の被験者（40.51％）でさえ、第一段階のDSC（39.98％）から第二段階のDSC（57.20％）に向上しており、本手法の耐性を確認した。
• センター損失の導入により孤立した誤検出が生じたが、全体のセグメンテーション正確性は高いままであり、収束速度と精度の間の良好なトレードオフが実現された。
• 既存手法、特にAttention-UNet（平均DSC 83.10％）およびResDSN C2F（平均DSC 84.59％）を上回り、平均DSC 85.99％を達成し、最高水準の性能を示した。