[論文レビュー] HEp-2 Cell Image Classification with Deep Convolutional Neural Networks

Zhimin Gao, Lei Wang+2 more|arXiv (Cornell University)|Apr 10, 2015

Digital Imaging for Blood Diseases参考文献 29被引用数 5

ひとこと要約

本論文は、手作業で特徴を設計しないで、生のピクセルデータから階層的特徴を直接学習する、深層畳み込みニューラルネットワーク（CNN）ベースのフレームワークを提案する。このシステムは、ベンチマークデータセットで最先端の性能を達成し、データ拡張およびトランスファー学習を用いてICPR 2014コンペティションで83.23%の正確度を達成し、4位にランクインし、データセット間で優れた一般化性能を示した。

ABSTRACT

Efficient Human Epithelial-2 (HEp-2) cell image classification can facilitate the diagnosis of many autoimmune diseases. This paper presents an automatic framework for this classification task, by utilizing the deep convolutional neural networks (CNNs) which have recently attracted intensive attention in visual recognition. This paper elaborates the important components of this framework, discusses multiple key factors that impact the efficiency of training a deep CNN, and systematically compares this framework with the well-established image classification models in the literature. Experiments on benchmark datasets show that i) the proposed framework can effectively outperform existing models by properly applying data augmentation; ii) our CNN-based framework demonstrates excellent adaptability across different datasets, which is highly desirable for classification under varying laboratory settings. Our system is ranked high in the cell image classification competition hosted by ICPR 2014.

研究の動機と目的

• 手動によるIIF解析の限界を克服するため、自動的でエンド・トゥ・エンドのディープラーニングフレームワークをHEp-2細胞染色パターン分類に開発すること。
• 深層CNNを用いて生の画像ピクセルから判別性の高い表現を直接学習することで、手作業で特徴を設計する依存を排除すること。
• データ拡張、ネットワークアーキテクチャ、ハイパーパramータ選択といった、限られたバイオメディカル画像データに対する有効なCNNトレーニングのための重要な要因を調査すること。
• 実用的な臨床応用のため、異なるデータセットおよびラボ環境へのトレーニング済みCNNの適応性を評価すること。

提案手法

• 生のHEp-2細胞画像から階層的特徴表現を自動的に抽出するため、深層畳み込みニューラルネットワーク（CNN）を用いる。手作業による特徴工学を回避する。
• 畳み込み層、プーリング層、全結合層を含む4段階のネットワークアーキテクチャを採用し、特徴学習と分類を同時に最適化する。
• 特に9°刻みの画像回転を含むデータ拡張技術を適用し、トレーニングの多様性を高め、限られたデータでも耐性を向上させる。
• 事前学習済みCNNをHEp-2データセットで微調整することでトランスファー学習を実装し、収束が速く、性能が向上するようにする。
• 同じトレーニングデータと評価プロトコルを用いて、従来のモデル（Bag-of-Features（BoF）やFisher Vector（FV））とCNNフレームワークを比較する。
• 各テスト画像を異なる入力スケールで4つのネットワークに通すマルチスケール分類戦略を採用し、精度を向上させる。

実験結果

リサーチクエスチョン

• RQ1 CNNベースのエンド・トゥ・エンド学習フレームワークは、HEp-2細胞染色パターン分類において、従来の手作業で特徴を設計する手法と比べてどのように異なるか？
• RQ2 データ拡張、特に画像回転は、限られたバイオメディカルデータセットにおけるCNNの一般化性能と性能向上にどのような役割を果たすか？
• RQ3 異なる取得条件を有するHEp-2細胞画像データセット間で、事前学習済みCNNを効果的に微調整・トランスファーできる範囲はどの程度か？
• RQ4 BoF や FV といった最先端の手作業で設計されたモデルと比較して、CNNフレームワークは正確度と計算効率の面でどの程度優れているか？

主な発見

• 提案されたCNNベースのフレームワークは、ICPR 2014ベンチマークデータセットで平均83.23%の分類正確度を達成し、11の国際チーム中4位にランクインした。
• データ拡張、特に9°刻みの回転は、トレーニングデータが限られている場合に特に顕著にCNNの性能を向上させた。
• トレーニング済みネットワークを最小限の再トレーニングで別のデータセットに移行できることから、このシステムはラボ環境間で強く適応可能であることが示された。
• BoF や FV といった既存の手作業で特徴を設計したモデルよりもCNNが優れており、推論時の計算コストを著しく低減しながらも高い正確度を達成した。
• CNNはトレーニングにやや時間がかかる（GPUで加速）が、推論は非常に高速で、1枚あたり1.2秒であった。一方、大規模な辞書を用いたBoFエンコーディングは1枚あたり78秒もかかっていた。
• ICPR 2012データセットでは74.8%の正確度を達成し、既存の大多数の手法を上回り、トップランクの手作業で設計されたシステムに近い性能を示した。