[論文レビュー] Machine Vision Guided 3D Medical Image Compression for Efficient Transmission and Accurate Segmentation in the Clouds

Zihao Liu, Xiaowei Xu+8 more|arXiv (Cornell University)|Apr 9, 2019

Advanced Data Compression Techniques参考文献 45被引用数 11

ひとこと要約

本稿では、人間の視覚的品質ではなく、深層学習ベースのセグメンテーション精度を最適化するマシンビジョンガイドド3次元医療画像圧縮フレームワークを提案する。訓練済みセグメンテーションネットワークからの特徴重要度を活用することで、人間の視覚最適化手法（例：JPEG-2000）が無視する重要な高周波成分を効果的に保持する。HVSMR 2016データセットにおいて、同じセグメンテーション精度を維持した場合に最大3倍の圧縮率を達成するか、同じ圧縮レベルで顕著に向上した精度を実現する。

ABSTRACT

Cloud based medical image analysis has become popular recently due to the high computation complexities of various deep neural network (DNN) based frameworks and the increasingly large volume of medical images that need to be processed. It has been demonstrated that for medical images the transmission from local to clouds is much more expensive than the computation in the clouds itself. Towards this, 3D image compression techniques have been widely applied to reduce the data traffic. However, most of the existing image compression techniques are developed around human vision, i.e., they are designed to minimize distortions that can be perceived by human eyes. In this paper we will use deep learning based medical image segmentation as a vehicle and demonstrate that interestingly, machine and human view the compression quality differently. Medical images compressed with good quality w.r.t. human vision may result in inferior segmentation accuracy. We then design a machine vision oriented 3D image compression framework tailored for segmentation using DNNs. Our method automatically extracts and retains image features that are most important to the segmentation. Comprehensive experiments on widely adopted segmentation frameworks with HVSMR 2016 challenge dataset show that our method can achieve significantly higher segmentation accuracy at the same compression rate, or much better compression rate under the same segmentation accuracy, when compared with the existing JPEG 2000 method. To the best of the authors' knowledge, this is the first machine vision guided medical image compression framework for segmentation in the clouds.

研究の動機と目的

• クラウドベースのディープラーニングパイプラインにおける医療画像伝送のボトル neck を解消する。特に、伝送時間のほうがクラウド処理時間を上回る事例を想定する。
• 人間の視覚最適化圧縮（例：JPEG-2000）が、ディープニューラルネットワーク（DNN）ベースの医療画像セグメンテーションにおいて最適でない可能性を検証する。
• セグメンテーションに不可欠な特徴を優先するが、知覚的品質ではなく、軽量でDNN最適化された圧縮フレームワークを構築する。
• マシンビジョンと人間ビジョンが医療セグメンテーションタスクにおいて、画像品質の要件を根本的に異なるものとして扱うべきであることを実証する。

提案手法

• フレームワークは3D-JPEG 2000を拡張し、16のサブバンドにおける標準偏差計算と、4変数方程式系（式4）の解法という2つの軽量処理を追加することで、重要な周波数成分を優先する。
• 事前に訓練済みのDNN（例：DenseVoxNet や 3D-DSN）を用いて、セグメンテーション精度に最も寄与する画像特徴を同定・保持する。
• セグメンテーション出力のサブバンドエネルギー変化に対する感受性を分析することで、組織境界を定義する高周波成分に注目した特徴重要度を算出する。
• 圧縮は、これらの高インパクト特徴を保持するように選択的に適用され、関係の薄い情報は破棄される。これにより、ノイズや不要な情報を効果的にフィルタリングする。
• フレームワークはJPEG-2000の大部分の計算ユニットを再利用しており、追加のオーバーヘッドは最小限に抑えられる。圧縮および復元時間は、標準JPEG-2000と同等（例：512×512画像あたり約0.12ms）を維持する。
• アプローチはエンドツーエンドで学習可能であり、既存のクラウドベース医療画像解析パイプラインにスムーズに統合可能である。

実験結果

リサーチクエスチョン

• RQ1 人間の視覚最適化圧縮（例：JPEG-2000）は、高視覚的品質を維持しているにもかかわらず、セグメンテーション精度を低下させるのか？
• RQ2 医療画像セグメンテーションにおいて、人間ビジョンとマシンビジョンの特徴要件はどのように異なるのか？
• RQ3 DNNベースのセグメンテーションに最も重要な特徴のみを保持するような圧縮フレームワークを設計可能か？ これにより、精度と圧縮効率の両方を向上できるか？
• RQ4 このようなマシンビジョンガイドド手法は、従来のJPEG-2000に比べて、どの程度圧縮レートとセグメンテーション精度の面で優れているのか？

主な発見

• 30×の圧縮率において、提案手法は心筋セグメンテーションで平均Diceスコア0.834を達成し、元の（圧縮なし）画像と同等の性能を示した。一方、JPEG-2000は0.821にとどまった。
• 同じ30×圧縮率において、提案手法は心筋セグメンテーションで0.013、血腫セグメンテーションで0.007のDiceスコア向上を達成し、JPEG-2000を上回った。
• 同一のセグメンテーション精度（Diceスコア0.834）を維持した場合、提案手法は平均30×の圧縮率を達成した。これはJPEG-2000の圧縮率の3倍に相当する。
• 一部のケースでは、提案手法による圧縮画像上でのセグメンテーション精度が、元の画像を上回ることもあった。これは、ノイズや不要な特徴を効果的にフィルタリングできたためである。
• 300MBの画像と22.79 Mbpsのアップロード速度を想定した場合、画像伝送およびセグメンテーションの合計サービスタイムは、提案手法で0.53秒（JPEG-2000は1.4秒）となり、2.6倍短縮された。
• フレームワークは計算オーバーヘッドがほとんどなく、圧縮および復元時間は標準JPEG-2000と同等（512×512画像あたり約0.12ms）を維持した。