[論文レビュー] Kidney Recognition in CT Using YOLOv3

Andréanne Lemay|arXiv (Cornell University)|Oct 3, 2019

Advanced Neural Network Applications参考文献 7被引用数 13

ひとこと要約

本稿では、CTスキャンにおける2次元および3次元腎臓検出にYOLOv3を用いることを提案し、1回の推論でリアルタイム性能を達成する。2次元では0.851のDiceスコア、3次元では0.742を報告し、嚢胞性や腫瘍性の腎臓を含む多様な腎臓形態に対しても堅牢な検出を実証した。YOLOv3は精度と同等の性能を維持しながら、速度面でSSDを上回った。

ABSTRACT

Organ localization can be challenging considering the heterogeneity of medical images and the biological diversity from one individual to another. The contribution of this paper is to overview the performance of the object detection model, YOLOv3, on kidney localization in 2D and in 3D from CT scans. The model obtained a 0.851 Dice score in 2D and 0.742 in 3D. The SSD, a similar state-of-the-art object detection model, showed similar scores on the test set. YOLOv3 and SSD demonstrated the ability to detect kidneys on a wide variety of CT scans including patients suffering from different renal conditions.

研究の動機と目的

• 2次元および3次元CTスキャンにおける腎臓局在化のYOLOv3の性能を評価すること。
• YOLOv3と類似した最先端の物体検出モデルであるSSDとの間で、精度および推論速度の観点から比較すること。
• 健康な腎臓、嚢胞性、腫瘍性の腎臓を含む多様な腎臓形態への一般化性能を評価すること。
• 非最大抑制を用いた2次元検出から3次元への拡張における課題、および誤差伝播の影響を調査すること。
• 適応的線量療法や腹腔鏡下手術などの臨床応用に向けたリアルタイム臓器検出の可能性を検討すること。

提案手法

• YOLOv3は、KiTS2019および補足データセットからの14例のスキャンから得られた2911枚の2次元CTスライス（512×512）を用いて学習した。そのうち1200枚に腎臓が存在した。
• 各CTスライスを独立して2次元入力として処理し、YOLOv3は腎臓局在のバウンディングボックスを予測した。
• 3次元一般化非最大抑制を、被り重なり率（IoU）のしきい値を用いて実装し、2次元検出結果を3次元バウンディングボックスに統合した。
• 対照度を向上させ、CTの強度レベルのばらつきに対しても検出性能が向上するように、すべてのスライスにヒストограм等化を適用した。
• 比較ベースラインとして、MobileNet特徴抽出を用いたSSDモデルを用い、同一条件で学習および評価した。
• 学習および推論にはGoogle Colab上のTensorFlow Object Detection APIを用い、推論速度は320×320ピクセル画像を対象に測定した。

実験結果

リサーチクエスチョン

• RQ1 YOLOv3は、コントラストや病変が多様なCTスキャンにおいて、2次元および3次元の腎臓検出で高い精度を達成できるか？
• RQ2 YOLOv3は、CTにおける腎臓局在検出において、SSDと比較して精度および推論速度の点で優れているか？
• RQ3 YOLOv3の主な失敗モードは何か。特に形状の変化やバウンディングボックスの整合性のずれに関しては？
• RQ4 非最大抑制を用いて3次元ボックスを生成する際、2次元から3次元への誤差伝播はどの程度影響を及ぼすか？
• RQ5 YOLOv3は、肥大化や重度に嚢胞性の腎臓といった未観測の腎臓形態に一般化できるか？

主な発見

• YOLOv3は2次元テストセットで0.851のDiceスコアを達成し、健康、嚢胞性、腫瘍性の腎臓を含む多様な腎臓タイプにおいて強力な性能を示した。
• 3次元検出性能は低く、Diceスコアは0.742にとどまった。主な要因は2次元から3次元への誤差伝播および不正確な3次元ボックス適合である。
• YOLOv3は推論速度でSSDを上回り、320×320画像あたり22msで推論を完了した（SSDは60ms）。精度（Dice：0.851 vs. 0.855）は同等を維持した。
• 異常なサイズや形状の腎臓（例：肥大化腎臓）では、未知のアスペクト比への一般化が不十分で、性能を発揮できなかった。
• バウンディングボックスの粗さおよび腎臓の端縁からのずれが、対照度が低いか小さな特徴がある領域では検出精度を低下させた。
• 非最大抑制は軸に沿わない腎臓を適切に収容できず、特に嚢胞性やずれのある臓器では3次元バウンディングボックスに誤差が拡大した。