[論文レビュー] Generic Feature Learning for Wireless Capsule Endoscopy Analysis

Santi Seguí, Michal Drozdzal+5 more|arXiv (Cornell University)|Jul 26, 2016

Gastrointestinal Bleeding Diagnosis and Treatment参考文献 35被引用数 16

ひとこと要約

本論文は、RGBおよび構造的事前知識（ラプラシアン／ヘッセ）を用いて、6つの腸運動イベントを分類する、深層畳み込みニューラルネットワーク（CNN）ベースの汎用的特徴学習システムを提案する。この手法は96％の平均分類精度を達成し、手作業で設計された特徴量よりも相対的に14％の向上を示した。

ABSTRACT

The interpretation and analysis of the wireless capsule endoscopy recording is a complex task which requires sophisticated computer aided decision (CAD) systems in order to help physicians with the video screening and, finally, with the diagnosis. Most of the CAD systems in the capsule endoscopy share a common system design, but use very different image and video representations. As a result, each time a new clinical application of WCE appears, new CAD system has to be designed from scratch. This characteristic makes the design of new CAD systems a very time consuming. Therefore, in this paper we introduce a system for small intestine motility characterization, based on Deep Convolutional Neural Networks, which avoids the laborious step of designing specific features for individual motility events. Experimental results show the superiority of the learned features over alternative classifiers constructed by using state of the art hand-crafted features. In particular, it reaches a mean classification accuracy of 96% for six intestinal motility events, outperforming the other classifiers by a large margin (a 14% relative performance increase).

研究の動機と目的

• 各新しいWCE臨床応用に対してカスタム画像表現を設計する作業が時間的にかかるという課題に対処すること。
• 腸運動イベントの手作業による特徴量設計を回避する汎用的特徴学習システムの開発。
• 限られたラベル付き例でのWCEデータに対するディープラーニングの性能を評価すること。
• ラプラシアン／ヘッセを含む構造的事前知識の追加が、データが少ない状況での分類性能に与える影響を調査すること。
• エンドツーエンドのディープラーニングを用いて、WCE運動イベント分類の新しい最先端の性能を確立すること。

提案手法

• RGBチャンネルを入力として用いることで、色に基づく特徴学習が可能な、WCE画像分類に適応した深層CNNアーキテクチャを採用。
• 構造的およびテクスチャ情報のエンコードを目的として、ラプラシアンおよびヘッセフィルタを用いた追加の入力ストリームを導入。
• 12万枚のラベル付きWCE画像からなる大規模データセットを用いてネットワークを学習し、耐性を高めるためにデータオーグメンテーションを実施。
• 最終全結合層のt-SNE可視化を実施し、クラス分布およびモデルの挙動を分析。
• 10万枚のトレーニング画像を用いてシステムを評価し、データサイズおよび事前知識の有無に関するアブレーションスタディを実施。
• SIFT、GIST、色ヒストグラムなどの古典的手法による特徴量と性能を比較。

実験結果

リサーチクエスチョン

• RQ1 WCE画像で学習された汎用的ディープラーニングモデルは、腸運動イベント検出において、手作業特徴量ベースの分類器を上回ることができるか？
• RQ2 ラプラシアンおよびヘッセといった構造的事前知識を追加すると、特に訓練データが限られた状況で分類精度にどのような影響を与えるか？
• RQ3 トレーニングデータサイズが、提案されたCNNベースのシステムの性能に与える影響は何か？
• RQ4 学習された特徴量は、濁った画像、気泡、しわに似たフレームを含む多様なWCE画像パターンに一般化可能か？
• RQ5 失敗事例は、境界が曖昧な画像クラスを区別できない限界をどのように明らかにしているか？

主な発見

• 提案されたCNNベースのシステムは、6つの腸運動イベントについて96％の平均分類精度を達成し、2番目に優れた手法よりも相対的に14％の向上を示した。
• SIFT、GIST、色ヒストグラムといった古典的手法よりも優れており、WCE運動分類分野における新しい最先端の性能を確立した。
• ラプラシアンおよびヘッセの事前知識を追加することで、データが限られた状況（1,000枚）では精度が2.6％向上したが、データ量が増えるとその恩恵は薄れた。
• t-SNE可視化により、濁った画像、明るいブロブ、しわに似たフレームのクラス間で意味のある分離が学習されていることが明らかになった。
• 失敗事例は、主に濁った画像と気泡に似た構造、またはしわに似たテクスチャを持つ明るいブロブの境界が曖昧な場合に発生していた。
• 限られたラベル付き例が与えられた中でも、ドメイン固有の事前知識を組み合わせた汎用的特徴学習は、深層CNNを用いることで非常に有効であることが示された。