[論文レビュー] G-CASCADE: Efficient Cascaded Graph Convolutional Decoding for 2D Medical Image Segmentation

Md Mostafijur Rahman, Radu Mărculescu|arXiv (Cornell University)|Oct 24, 2023

Radiomics and Machine Learning in Medical Imaging被引用数 6

ひとこと要約

G-CASCADEは、視覚変換器エンコーダーからの長距離依存関係を保持するための段階的なグラフ畳み込み注意モジュールを用いた、2次元医療画像セグメンテーションのための新しいグラフ畳み込みデコーダーを提案する。この手法は、5つの医療画像セグメンテーションベンチマークにおいて、最先端（SOTA）のCASCADEデコーダーよりも80.8%少ないパラメータ数と82.3%少ないFLOPsで最先端の性能を達成している。

ABSTRACT

In recent years, medical image segmentation has become an important application in the field of computer-aided diagnosis. In this paper, we are the first to propose a new graph convolution-based decoder namely, Cascaded Graph Convolutional Attention Decoder (G-CASCADE), for 2D medical image segmentation. G-CASCADE progressively refines multi-stage feature maps generated by hierarchical transformer encoders with an efficient graph convolution block. The encoder utilizes the self-attention mechanism to capture long-range dependencies, while the decoder refines the feature maps preserving long-range information due to the global receptive fields of the graph convolution block. Rigorous evaluations of our decoder with multiple transformer encoders on five medical image segmentation tasks (i.e., Abdomen organs, Cardiac organs, Polyp lesions, Skin lesions, and Retinal vessels) show that our model outperforms other state-of-the-art (SOTA) methods. We also demonstrate that our decoder achieves better DICE scores than the SOTA CASCADE decoder with 80.8% fewer parameters and 82.3% fewer FLOPs. Our decoder can easily be used with other hierarchical encoders for general-purpose semantic and medical image segmentation tasks.

研究の動機と目的

• 既存のデコーダーが医療画像セグメンテーションにおける長距離空間的依存関係を保持する能力に制限を受ける問題に対処すること。
• トランスフォーマーに基づくアーキテクチャにおいて、セグメンテーション精度を損なわず計算効率を向上させること。
• 階層的ビジョン変換器におけるマルチスケール特徴の精錬を向上させる、新しいグラフ畳み込みベースのデコーダーを導入すること。
• G-CASCADEデコーダーが多様な医療画像セグメンテーションタスクに一般化可能であることを示すこと。

提案手法

• G-CASCADEは、階層的ビジョン変換器エンコーダーからのマルチステージ特徴を段階的に精錬する、段階的なデコーダー・アーキテクチャを採用する。
• 空間的アテンションとグラフ畳み込みを組み合わせることでグローバルな受容場を実現する、グラフ畳み込み注意モジュール（GCAM）を導入する。
• 計算コストを低減しながら性能を維持するための効率的なアップ畳み込みブロック（UCB）を採用する。
• 標準の3×3畳み込みの代わりに、グローバル特徴の集約を可能にし、パラメータ数を削減するためのグラフ畳み込みブロック（GCB）を用いる。
• スコアのバランスと計算効率の両立を図るため、スキップ接続を加法的連結によって統合する。
• 複数の公開医療画像セグメンテーションデータセット上で、交差エントロピー損失とDice損失を用いて、エンドツーエンドでモデルを訓練する。

実験結果

リサーチクエスチョン

• RQ1 グラフ畳み込みベースのデコーダーは、2次元医療画像セグメンテーションにおいて、畳み込みベースのデコーダーを上回って長距離依存関係を保持できるか？
• RQ2 提案されたG-CASCADEデコーダーは、SOTAのCASCADEデコーダーと比較して、精度と効率の両面で優れているか？
• RQ3 GCAMブロックにおけるグラフ畳み込みと空間的アテンションモジュールの最適な構成は何か？
• RQ4 G-CASCADEデコーダーは、解剖的構造や病変タイプが異なる多様な医療画像セグメンテーションタスクに一般化可能か？
• RQ5 スキップ接続の統合方法（加算 vs. 連結）の選択が、性能と計算コストに与える影響は何か？

主な発見

• PVTv2-b2を用いたSynapse Multi-organデータセットにおいて、G-CASCADEは83.28%のDICEスコアを達成し、ベースラインのCASCADEデコーダーを0.5%上回った。パラメータ数は80.8%少なく、FLOPsは82.3%少ない。
• GCBとSPAモジュールを併用した場合、非段階的ベースラインに比べてDICEスコアが3.2%向上した。
• GCAM内のGCB followed by SPAの順序が、逆順よりも優れた性能を示し、DICEスコアが0.4%高い。
• スキップ接続の加法的統合は、連結統合と比較して計算コストを60%削減したが、同等の性能を維持した。
• MERITバックボーンを用いた場合、G-CASCADEは4.27G FLOPs、5.99Mパラメータで84.63%のDICEスコアを達成し、5つのベンチマークでSOTA手法を上回った。
• アブレーションスタディの結果、段階的構造、GCB、SPAモジュールがそれぞれ性能向上に寄与しており、フル構成が最も高いDICEスコアを達成した。