[論文レビュー] Lesion Analysis and Diagnosis with Mask-RCNN

А. П. Сорокин|arXiv (Cornell University)|Jul 10, 2018

Advanced Neural Network Applications参考文献 4被引用数 11

ひとこと要約

本論文は、ISIC 2018 チャレンジにおける皮膚レセプトリーの分析のため、病変境界のセグメンテーションと特徴検出を統合したハイブリッド Mask R-CNN アプローチを提案する。予測されたマスクと投票機構を用いることで、病気分類のトレーニングセットにおける正確性は 0.8420 を達成したが、解像度と重複クラスの課題のため、特徴検出のパフォーマンスは依然として低いままである。

ABSTRACT

This project applies Mask R-CNN method to ISIC 2018 challenge tasks: lesion boundary segmentation (task1), lesion attributes detection (task 2), lesion diagnosis (task 3), a solution to the latter is using a trained model for task 1 and a simple voting procedure.

研究の動機と目的

• ISIC 2018 チャレンジのタスクに対処すること：病変境界のセグメンテーション、特徴検出、病気分類。
• セグメンテーションと特徴検出モデルの結果を統合することで、病変診断の正確性を向上させること。
• 多様な病変の複雑さと特徴の重複を伴う皮膚鏡的画像における Mask R-CNN のパフォーマンスを評価すること。
• 入力解像度とモデルアーキテクチャが微細な特徴認識に与える影響を調査すること。
• 提案されたハイブリッド診断手法の性能をトレーニングセットおよび独立した検証セットの両方で検証すること。

提案手法

• すべてのタスクに共通して、事前学習済みの Mask R-CNN モデル（ResNet-50 バックボーン）を用い、ISIC 2018 データでファインチューニングした。
• 耐性を高めるために、フリップ、回転、輝度スケーリング、ガウスノイズを含むデータオーグメンテーションを適用した。
• タスク3（診断）では、マスク面積に基づく投票戦略を用いて、病変境界検出器とクラスマスク検出器の予測を統合した。
• 病変マスクに病気分類ラベルを付与した別個の Mask R-CNN モデルを、600×450 の入力解像度と 7 個の出力クラスで学習させた。
• セグメンテーションと特徴検出の主な指標として Jaccard 指数を、診断のための正規化された多クラス正確度を計算した。
• 収束性とパフォーマンスの向上を図るため、COCO で事前学習済みの重みを初期値として使用した。

実験結果

リサーチクエスチョン

• RQ1 Mask R-CNN は、ISIC 2018 データセットにおいて皮膚レセプトリーの境界を効果的にセグメンテーションし、皮膚鏡的特徴を検出できるか？
• RQ2 特に小さな特徴や重複する特徴を示す特徴において、Mask R-CNN のパフォーマンスはどのように変化するか？
• RQ3 病変境界のセグメンテーションと特徴検出を統合することで、直接分類するのと比較して最終的な病気分類の正確性が向上するか？
• RQ4 入力解像度とマスクサイズ（56×56）が、微細な皮膚鏡的特徴の検出に与える影響は何か？
• RQ5 データオーグメンテーションとトランスファー学習を実施しているにもかかわらず、グロブールやミリア様クスチの特徴でモデルが低性能を示すのはなぜか？

主な発見

• 病変境界セグメンテーションモデルは、テストセットで Jaccard スコア 0.7902、検証データで 0.789 を達成した。
• 特徴検出のパフォーマンスは低く、平均 Jaccard スコアは 0.2800 であり、最高スコアを記録した特徴（色素ネットワーク）でも 0.3725 にとどまった。
• ハイブリッド診断モデルはトレーニングセットで 84.20% の正確度を達成し、NV で最高のパフォーマンス（92.48%）を示したが、AKIEC では 46.15% にとどまり、MEL への誤分類が顕著だった。
• 診断の検証スコアは 74.4% であり、未知のデータでパフォーマンスが低下したことを示しており、過学習またはドメインシフトの可能性を示唆している。
• 可視化分析から、重複する特徴と固定された 56×56 マスク解像度が、グロブールのような小さな複雑な特徴の検出能力を制限していることが明らかになった。
• 検証システムは内部テストスコア（0.2800）よりも高いスコア（0.409）を返したため、評価方法やデータ分布に差異がある可能性が示唆された。