[論文レビュー] Hepatic vessel segmentation using a reduced filter 3D U-Net in ultrasound imaging

Bart R. Thomson, Jasper Nijkamp+7 more|arXiv (Cornell University)|Jul 28, 2019

Medical Image Segmentation Techniques被引用数 5

ひとこと要約

本研究では、3次元およびスタックド2次元超音波ボリュームにおける正確な肝静脈分離を実現する低フィルタ3次元U-Netを提案し、それぞれDiceスコア0.740および0.781を達成した。限られたデータと困難な画像ノイズにもかかわらず、強固な性能を示し、人間の観察者間のばらつきに近い結果をもたらした。

ABSTRACT

Accurate hepatic vessel segmentation on ultrasound (US) images can be an important tool in the planning and execution of surgery, however proves to be a challenging task due to noise and speckle. Our method comprises a reduced filter 3D U-Net implementation to automatically detect hepatic vasculature in 3D US volumes. A comparison is made between volumes acquired with a 3D probe and stacked 2D US images based on electromagnetic tracking. Experiments are conducted on 67 scans, where 45 are used in training, 12 in validation and 10 in testing. This network architecture yields Dice scores of 0.740 and 0.781 for 3D and stacked 2D volumes respectively, comparing promising to literature and inter-observer performance (Dice = 0.879).

研究の動機と目的

• 手術内外科的計画を支援するため、3次元および2次元超音波画像における自動的肝静脈分離のためのディープラーニングベースの手法を開発すること。
• 超音波画像におけるスぺックラノイズと低コントラストが、血管の明確な輪郭抽出を困難にしているという課題に対処すること。
• 真の3次元超音波と電磁追跡を用いた2次元スタックの間で、分離性能を比較すること。
• 本手法の性能を人間の観察者間のばらつきおよび既存の文献と比較して評価すること。
• 将来的なナビゲーション手術アプリケーションへの応用可能性を検討すること、特にMRIとのレジストレーションを含む。

提案手法

• 計算負荷を軽減し、GPUメモリのボトルネックを回避するために、1層あたりのフィルタ数を1/8に削減した低フィルタ3次元U-Netアーキテクチャを実装した。
• ネットワークは、Adam最適化法、L1正則化、回転、スケーリング、弾性変形を含むデータ拡張を用いたDice損失関数で訓練した。
• 入力ボリュームは、ノイズ低減のため3ピクセルの中央値フィルタを適用し、平均強度値を用いて正規化した。
• 217エポックにわたり4台のNVIDIA 1080 GTX GPUを用いて訓練を行い、解像度を40％にダウンサンプリングした後、1ボリュームあたり20個の152×152×96サイズのパッチを抽出した。
• 3次元および2次元超音波ボリュームの両方を同じネットワークで処理し、空間的一致性を維持するために32×32×32のパディングを実施した。
• テストセット（3次元10例、スタックド2次元7例）を用いて、DiceスコアおよびIoU指標を用いて分離性能を評価した。

実験結果

リサーチクエスチョン

• RQ1 低フィルタ3次元U-Netは、ノイズの多い3次元およびスタックド2次元超音波ボリュームにおいて、肝静脈分離を安定して達成できるか？
• RQ2 本手法の分離性能は、血管輪郭抽出における人間の観察者間のばらつきと比較してどの程度か？
• RQ3 取得方法（真の3次元対電磁追跡付き2次元スタック）が、分離精度に顕著な影響を及えるか？
• RQ4 ネットワークが学習した特徴量は、異なる超音波取得モodalitiesに一般化可能か？
• RQ5 分離品質は、MRIとのセンター線ベースのレジストレーションを含む、将来的な手術ナビゲーションシステムへの応用に十分な水準にあるか？

主な発見

• 低フィルタ3次元U-Netは、3次元超音波ボリュームで平均Diceスコア0.740 ± 0.02を達成し、優れた分離性能を示した。
• スタックド2次元超音波ボリュームでは、Diceスコア0.781 ± 0.07を達成し、3次元モodalitと比較して優れた性能を示し、臨床応用の可能性を示した。
• 人間の観察者間のばらつきは、Diceスコア0.879 ± 0.02と高く、モデルの性能が熟練した人間の一致性に近く、近い水準に達していることを示した。
• 下大静脈の分離が不十分であり、特にボリュームの端縁部で顕著に見られた。これは、血管断面の完全な可視性の欠如と、大きなボリューム寄与によるものと推察された。
• IoUスコアは、3次元で0.584 ± 0.02、2次元で0.645 ± 0.09を示し、Diceスコアの結果を裏付け、真値と良好な重複を示した。
• 3次元と2次元の取得方法間に顕著な性能差は観察されず、モデルが異なるモダリティに良好に一般化していることが示された。