[論文レビュー] Medical Image Segmentation via Sparse Coding Decoder

Long Zeng, Kaigui Wu|arXiv (Cornell University)|Oct 17, 2023

Advanced Image and Video Retrieval TechniquesComputer Science被引用数 3

ひとこと要約

本稿では、特徴量をスパースベクトルとして表現することで空間的詳細の回復を向上させる、CASCSCDEと呼ばれる新しい段階的マルチレイヤー畳み込みスパースベクトル符号化デコーダーを提案する。TransUNetと統合することで、Synapse多臓器セグメンテーションベンチマークにおいてDiceスコアで3.15%、mIoUで1.16%の絶対的向上を達成し、スパース符号化とマルチレベル特徴融合を通じて優れた境界再構築性能と耐性を示した。

ABSTRACT

Transformers have achieved significant success in medical image segmentation, owing to its capability to capture long-range dependencies. Previous works incorporate convolutional layers into the encoder module of transformers, thereby enhancing their ability to learn local relationships among pixels. However, transformers may suffer from limited generalization capabilities and reduced robustness, attributed to the insufficient spatial recovery ability of their decoders. To address this issue, A convolution sparse vector coding based decoder is proposed , namely CAScaded multi-layer Convolutional Sparse vector Coding DEcoder (CASCSCDE), which represents features extracted by the encoder using sparse vectors. To prove the effectiveness of our CASCSCDE, The widely-used TransUNet model is chosen for the demonstration purpose, and the CASCSCDE is incorporated with TransUNet to establish the TransCASCSCDE architecture. Our experiments demonstrate that TransUNet with CASCSCDE significantly enhances performance on the Synapse benchmark, obtaining up to 3.15\% and 1.16\% improvements in DICE and mIoU scores, respectively. CASCSCDE opens new ways for constructing decoders based on convolutional sparse vector coding.

研究の動機と目的

• トランスフォーマーに基づくデコーダーが医療画像セグメンテーションにおいて空間的回復が限定的で、耐性が低いという問題に対処すること。
• スパースベクトル表現を活用することで、一般化性能とノイズ耐性を向上させること。
• 高レベルの意味的特徴と低レベルの空間的詳細を効果的に統合し、正確な境界位置特定を実現するデコーダーを開発すること。
• 2次元医療画像セグメンテーションにおける段階的マルチレイヤー構造を用いた畳み込みスパースコーディングの有効性を実証すること。

提案手法

• CASCSCDEデコーダーは、エンコーダーが抽出した特徴量をスパースベクトルとして表現する段階的マルチレイヤー畳み込みスパースコーディングフレームワークを採用する。
• 反復的最適化を学習可能なニューラルモジュール（MLブロック）内で実行し、逆畳み込みと残差誤差補正を交互に適用することで特徴再構築を精緻化する。
• MLブロックは、学習された重みW1、W2およびスケーリング係数c1、c2を用いて反復的更新を実行し、バッチ正則化とReLU活性化関数を適用してスパース性と安定性を確保する。
• デコーダーはTransUNetアーキテクチャに統合され、元のデコーダーに置き換えられ、エンドツーエンド学習が可能となる。
• スパースコーディングは、不要な情報を抑制し、特徴の解釈可能性と耐性を向上させるマルチレイヤー構造を通じて実装される。
• モデルは、Synapseデータセット上でランダムな反転と回転によるデータ拡張を加えた、交差エントロピー損失とDice損失の組み合わせで学習される。

実験結果

リサーチクエスチョン

• RQ1 スパースコーディングに基づくデコーダーは、視覚変換器エンコーダーの空間的詳細回復能力を医療画像セグメンテーションで向上させることができるか？
• RQ2 マルチレイヤー畳み込みスパースコーディングは、標準的なデコンボリューションデコーダーと比較して、セグメンテーション精度と耐性において優れているか？
• RQ3 スパースコーディングプロセスにおける反復的精緻化ステップ数（T）の最適値は何か？スパース性と性能のバランスをとるには？
• RQ4 提案されたCASCSCDEデコーダーは、特に小型で複雑な構造を持つ臓器を含め、さまざまなサイズの臓器に一般化可能か？
• RQ5 スパースコーディングは、医療画像セグメンテーションにおけるノイズ耐性と境界精度をどの程度向上させるか？

主な発見

• TransCASCSCDEは、Synapse多臓器セグメンテーションベンチマークにおいて、ベースラインのTransUNetと比較して平均Diceスコアが3.15%（80.63%）の絶対的向上を達成した。
• mIoUが1.16%向上し、全体のセグメンテーション整合性と境界位置特定の精度が向上したことが示された。
• 小型臓器において顕著な向上が観察された：胆嚢で+4.05%、左腎臓で+2.13%、右腎臓で+1.11%の向上。
• 大型臓器に対しても恩恵が及んだ：胃で+6.69%、脾臓で+3.47%、膵臓で+1.94%の向上を示し、複雑な構造に対しても優れた性能を発揮した。
• アブレーションスタディの結果、T=2が最適な性能を示した。Tを3および4に増加させると、過度にスパースな表現が原因で性能が劣化した。
• スパースコーディング機構はノイズと不要な特徴を効果的に抑制し、多様な解剖的構造にわたるモデルの耐性と一般化性能を向上させた。