[論文レビュー] Fully Automatic Segmentation of Lumbar Vertebrae from CT Images using Cascaded 3D Fully Convolutional Networks

Rens Janssens, Guodong Zeng+1 more|arXiv (Cornell University)|Dec 5, 2017

Medical Imaging and Analysis参考文献 14被引用数 9

ひとこと要約

本稿では、可変な視野（FOV）を有する3次元CTスキャンからの腰椎の完全自動セグメンテーションを目的とした、段階的3次元畳み込みニューラルネットワーク（FCN）フレームワークを提案する。まず、3次元回帰FCN（LocalizationNet）を用いて腰椎領域を局所化し、その後に3次元U-Netに類似したFCN（SegmentationNet）を用いてピクセル単位の多クラスセグメンテーションを実行する。骨折を含む難易度の高いデータセットにおいて、平均Dice係数95.77%、対称的表面距離0.37 mmの高い性能を達成した。

ABSTRACT

We present a method to address the challenging problem of segmentation of lumbar vertebrae from CT images acquired with varying fields of view. Our method is based on cascaded 3D Fully Convolutional Networks (FCNs) consisting of a localization FCN and a segmentation FCN. More specifically, in the first step we train a regression 3D FCN (we call it "LocalizationNet") to find the bounding box of the lumbar region. After that, a 3D U-net like FCN (we call it "SegmentationNet") is then developed, which after training, can perform a pixel-wise multi-class segmentation to map a cropped lumber region volumetric data to its volume-wise labels. Evaluated on publicly available datasets, our method achieved an average Dice coefficient of 95.77 $\pm$ 0.81% and an average symmetric surface distance of 0.37 $\pm$ 0.06 mm.

研究の動機と目的

• 可変な視野（FOV）を有する3次元CT画像における腰椎の完全自動セグメンテーションの課題に対処すること。
• 手作業によるセグメンテーションの限界（時間のかかりすぎ、読影者間での一貫性の欠如）を克服すること。
• 局所化とセグメンテーションを分離した2段階のディープラーニングパイプラインを構築し、精度と耐障害性を向上させること。
• 骨折を含む難易度の高いデータセットにおいて、最先端の性能を達成すること。

提案手法

• 局所化用FCN（LocalizationNet）とセグメンテーション用FCN（SegmentationNet）からなる段階的3次元FCNアーキテクチャを提案する。
• LocalizationNetは、腰椎領域を囲むボクシングボックスを予測する3次元回帰FCNであり、関心領域（ROI）を定義する。
• SegmentationNetは、ROIを切り出したボリューム上で学習される3次元U-Netに類似した完全畳み込みネットワークであり、個々の腰椎をピクセル単位で多クラスセグメンテーションする。
• 入力サイズが任意であるのを扱うために、サイズ160×128×96の重複する推論パッチを用い、最終的な予測は重複部分の出力を平均することで得る。
• 後処理として、孤立した小さなボリュームを除去し、セグメンテーション構造内の内部の空洞を埋めるためのモルフォロジカル操作を実施する。
• 学習はKerasを用い、GPU上でTensorFlowバックエンドを用いて実行され、学習後は1つのCTボリュームあたり約79秒で推論が可能となった。

実験結果

リサーチクエスチョン

• RQ1 可変な視野（FOV）を有するCTスキャンにおいて、段階的3次元FCNパイプラインが腰椎のセグメンテーションを強固かつ正確に実行できるか？
• RQ2 局所化とセグメンテーションを2つの専用の3次元FCNに分離することで、エンドツーエンドまたは2次元ベースのアプローチと比較して性能が向上するか？
• RQ3 骨折を含む難易度の高いケースや非標準的なスキャンプロトコルにおいて、この手法はどの程度の性能を示すか？
• RQ4 局所化に3次元回帰を用いることで、手作業特徴量やMLPベースの回帰に比べて、局所化精度が顕著に向上するか？
• RQ5 3次元回帰を用いた局所化が、手作業特徴量やMLPベースの回帰に比べて、局所化精度を顕著に向上させるか？
• RQ6 提案された3次元セグメンテーションネットワークは、2次元U-Netベースのセグメンテーションに比べてボリューム単位のセグメンテーション品質で優れているか？

主な発見

• 5分割交差検証において、全腰椎領域の平均Dice係数は95.77% ± 0.81%を達成した。
• 平均対称的表面距離（ASSD）は0.37 mm ± 0.06 mmであり、表面レベルのセグメンテーション精度が非常に高いことを示している。
• 個々の椎間板（L1–L5）のDiceスコアは95.35%から96.14%の範囲にあり、全レベルにわたる一貫性ある性能が確認された。
• 先行する最先端手法（2018年の2次元U-NetとMLPベースの局所化を用いた手法で報告された92.7%のDiceスコア）を上回る性能を示した。
• 推論時間の平均は1CTボリュームあたり79秒であり、臨床応用における実用性を示している。
• 骨折を含むスキャンや非均一なFOVを有するスキャンにおいても、高い性能を維持しており、臨床的ばらつきに対する耐障害性が確認された。