[論文レビュー] Fully Convolutional Neural Network for Semantic Segmentation of Anatomical Structure and Pathologies in Colour Fundus Images Associated with Diabetic Retinopathy

Oindrila Saha, Rachana Sathish+1 more|arXiv (Cornell University)|Feb 7, 2019

Retinal Imaging and Analysis参考文献 7被引用数 3

ひとこと要約

本論文は、VGG16およびSegNetをインspirationとして得たエンコーダ・デコーダアーキテクチャに基づく完全畳み込みニューラルネットワークを提案し、色眼底画像における網膜構造および糖尿病性網膜症病変のエンドツーエンドの意味的セグメンテーションを実現する。モデルは網膜ディスクセグメンテーションで0.8572のジャッカードインデックスを達成し、網膜ディスクを別クラスとして含めることで病変検出性能が向上し、感度-PPVトレードオフ分析による最適化されたしきい値が選択された。

ABSTRACT

Diabetic retinopathy (DR) is the most common form of diabetic eye disease. Retinopathy can affect all diabetic patients and becomes particularly dangerous, increasing the risk of blindness, if it is left untreated. The success rate of its curability solemnly depends on diagnosis at an early stage. The development of automated computer aided disease diagnosis tools could help in faster detection of symptoms with a wider reach and reasonable cost. This paper proposes a method for the automated segmentation of retinal lesions and optic disk in fundus images using a deep fully convolutional neural network for semantic segmentation. This trainable segmentation pipeline consists of an encoder network, a corresponding decoder network followed by pixel-wise classification to segment microaneurysms, hemorrhages, hard exudates, soft exudates, optic disk from background. The network was trained using Binary cross entropy criterion with Sigmoid as the last layer, while during an additional SoftMax layer was used for boosting response of single class. The performance of the proposed method is evaluated using sensitivity, positive prediction value (PPV) and accuracy as the metrices. Further, the position of the Optic disk is localised using the segmented output map.

研究の動機と目的

• 糖尿病性網膜症関連の色眼底画像における解剖学的構造および病変のピクセル単位の意味的セグメンテーションを実現するエンドツーエンドで学習可能なディープラーニングフレームワークの開発を目的とする。
• 微小動脈瘤、出血、石灰化および軟性エーゼイド、および網膜ディスクの正確なセグメンテーションにより、糖尿病性網膜症の早期検出を向上させることを目的とする。
• 網膜ディスクと石灰化エーゼイドが類似した明るさを示すため区別が困難であるという課題に対処するため、セグメンテーションタスクに網膜ディスクを別クラスとして含めることを目的とする。
• セグメンテーション出力からの重心検出により網膜ディスクを局在化し、疾患評価のための解剖学的基準を提供することを目的とする。
• 手動による特徴量設計を排除し、DRスクリーニングにおける複数のサブタスクを統合的に解決するソリューションを提供することを目的とする。

提案手法

• 本手法は、VGG16の最初の13層と同一のトポロジーを持つ13層の畳み込み層を有するエンコーダと、それに対応するデコーダネットワークからなるエンコーダ・デコーダアーキテクチャを採用する。
• 各エンコーダブロックは、畳み込み、バッチ正規化、ReLU活性化関数、ストライド2の2×2マックスプーリングを適用し、特徴マップのダウンサンプリングを実現する。
• 学習可能なデコンボリューション層とスキップ接続を用いて特徴マップを元の入力解像度にアップサンプリングし、空間的詳細を保持する。
• 最終層では、各クラスごとにバイナリ分類用のシグモイド活性化関数を適用し、推論時にはクラス確率をチャネル全体で正規化するためのソフトマックス層を追加する。
• 最適化にはAdamオプティマイザ（初期学習率10⁻³、β₁ = 0.9）を用い、バイナリクロスエントロピー損失関数で学習を行い、検証損失に基づいて早期停止を適用する。
• 過学習を緩和し汎化性能を向上させるために、各クラスについて異なるエポックで最高性能を示したモデルを保存し、アンサンブル化する。

実験結果

リサーチクエスチョン

• RQ1 完全畳み込みニューラルネットワークは、色眼底画像における複数の網膜病変および解剖学的構造の共同意味的セグメンテーションを効果的に行えるか？
• RQ2 網膜ディスクを別クラスとして含めることで、明るさが類似した石灰化エーゼイドと区別する能力が向上するか？
• RQ3 エンコーダ・デコーダアーキテクチャによるグローバルコンテキストの活用は、パッチベースの学習と比較して、病変セグメンテーション精度にどのように影響するか？
• RQ4 各病変タイプについて、感度と陽性予測値（PPV）のトレードオフを最適化するしきい値は何か？
• RQ5 学習時に真値位置を用いない場合、セグメンテーション出力から網膜ディスクの正確な局在化がどの程度可能か？

主な発見

• 網膜ディスクセグメンテーションでは、ジャッカードインデックス（IoU）が0.8572に達し、正解マスクと高い重複度を示した。
• 感度対PPV曲線の下側面積は、微小動脈瘤で0.0059、石灰化エーゼイドで0.5498、出血で0.0829、軟性エーゼイドで0.1823であり、病変タイプごとの検出性能に差が見られた。
• 413枚のテスト画像において、予測値と真値の網膜ディスク重心間の平均ユークリッド距離は65.93ピクセルであり、妥当な局在化精度を示した。
• 網膜ディスクを別クラスとして含めることで、5クラス構成の設定と比較して、セグメンテーション性能が顕著に向上し、特にエーゼイドと網膜ディスクの混同が著しく減少した。
• 推論時にソフトマックス層を適用することでマスク品質が向上し、ソフトマックスなしの場合と比較して予測出力が真値に近づいた。
• パッチベースの学習に比べ、本モデルはグローバルコンテキストを活用でき、網膜ディスクとエーゼイドの区別に成功した。