[論文レビュー] Medical Image Segmentation Using a U-Net type of Architecture

Eshal Zahra, B Mohammed Ali+1 more|arXiv (Cornell University)|May 11, 2020

Advanced Neural Network Applications参考文献 19被引用数 4

ひとこと要約

本稿では、ピクセル単位の交差エントロピー損失を用いて訓練された、完全に教師ありの2層構造の全結合（FC）サブネットワークを導入することで、ボトルネック層における特徴表現を向上させる変更を加えたU-Netアーキテクチャを提案する。エンコーダーのボトルネック部に明示的な教師信号を注入することにより、モデルはセマンティック特徴の学習を向上させ、MRIおよびCTスキャンデータにおいて高いセグメンテーション精度を達成した—特にCTスキャンでは97.6%、MRIスキャンでは91.3%の精度を示した—これにより、教師ありボトルネック訓練が標準的なU-Netの性能を同等または上回ることを示した。

ABSTRACT

Deep convolutional neural networks have been proven to be very effective in image related analysis and tasks, such as image segmentation, image classification, image generation, etc. Recently many sophisticated CNN based architectures have been proposed for the purpose of image segmentation. Some of these newly designed networks are used for the specific purpose of medical image segmentation, models like V-Net, U-Net and their variants. It has been shown that U-Net produces very promising results in the domain of medical image segmentation.However, in this paper, we argue that the architecture of U-Net, when combined with a supervised training strategy at the bottleneck layer, can produce comparable results with the original U-Net architecture. More specifically, we introduce a fully supervised FC layers based pixel-wise loss at the bottleneck of the encoder branch of U-Net. The two layer based FC sub-net will train the bottleneck representation to contain more semantic information, which will be used by the decoder layers to predict the final segmentation map. The FC layer based sub-net is trained by employing the pixel-wise cross entropy loss, while the U-Net architectures trained by using L1 loss.

研究の動機と目的

• U-Netのボトルネック層における特徴表現を向上させ、より良い医療画像セグメンテーションを実現すること。
• ボトルネック部での教師あり学習が、自己教師ありU-Net学習を上回るか同等の性能を発揮するかを調査すること。
• データオーグメンテーションへの依存度を低下させるために、明示的な教師信号による特徴学習の強化を図ること。
• 特にMRIおよびCTスキャンを含む多様な医療画像モodalitiesに対して、手法の有効性を評価すること。
• ボトルネック部に全結合サブネットワークを設けることで、デコーダーの性能を効果的にガイドできるかを実証すること。

提案手法

• 3×3畳み込みフィルタ、ReLU活性化関数、2×2マックスプーリングを用いた標準的なエンコーダー・デコーダー構造のU-Netアーキテクチャを採用する。
• ボトルネック部に2層構造の全結合（FC）サブネットワークを挿入し、線形変換を用いて正解セグメンテーションマップを予測する。
• エンコーダーが学習する特徴に対して明示的な教師信号を提供するために、FCサブネットワークはピクセル単位の交差エントロピー損失で訓練される。
• メインのU-Netブランチは、最終的なセグメンテーション出力を最適化するためにL1損失で訓練される。
• 対応するエンコーダー層とデコーダー層の間にスキップ接続を維持することで、空間的詳細を保持する。
• ネットワーク全体をエンドツーエンドで訓練し、ボトルネック部での教師あり損失とデコーダー部での標準的なセグメンテーション損失を統合する。

実験結果

リサーチクエスチョン

• RQ1 U-Netベースのアーキテクチャにおいて、ボトルネック層に明示的な教師信号を適用することで、特徴表現が向上するか？
• RQ2 ボトルネック部に全結合サブネットワークを用いて訓練することで、標準的な自己教師ありU-Net学習よりも優れたセグメンテーション性能が得られるか？
• RQ3 MRIおよびCTスキャンデータにおいて、提案手法がベースラインU-Netと感度、特異度、正確度の観点でどのように比較されるか？
• RQ4 教師ありボトルネックの追加により、低データ医療画像認識の場面でデータオーグメンテーションへの依存度が低下するか？
• RQ5 FCベースのボトルネックは、空間分解能の低下やモデルの複雑さの増加を伴わずに、セマンティック特徴学習を向上させるか？

主な発見

• 提案モデルはCTスキャン画像で97.6%の精度を達成し、特異度96.1%、感度97.2%を示した。
• MRI画像では91.3%の精度を達成し、特異度92.6%、感度93.9%を示した。
• 教師ありボトルネックは特徴学習を顕著に向上させ、デコーダーがより正確なセグメンテーションマップを生成できるようにした。
• 本手法は、MRIおよびCTスキャンを含む多様な画像モダリティに強く一般化した。
• ボトルネック部に全結合サブネットワークを統合することで、標準的なU-Net学習と同等またはそれ以上の性能向上が達成された。