[論文レビュー] Medical Image Segmentation via Unsupervised Convolutional Neural Network

Junyu Chen, Eric C. Frey|arXiv (Cornell University)|Jan 28, 2020

Medical Image Segmentation Techniques参考文献 9被引用数 14

ひとこと要約

本論文は、自己教師あり損失としてアクティブコンター・フォールディング・エッジ（ACWE）エネルギー関数を活用する、非教師ありおよび半教師あり畳み込みニューラルネットワーク（CNN）を提案する。強度統計量のみで訓練し、最小限の正解データで微調整することで、SPECT画像における骨セグメンテーションの高精度を達成し、高速な推論と限られたラベルデータでも性能が向上する。

ABSTRACT

For the majority of the learning-based segmentation methods, a large quantity of high-quality training data is required. In this paper, we present a novel learning-based segmentation model that could be trained semi- or un- supervised. Specifically, in the unsupervised setting, we parameterize the Active contour without edges (ACWE) framework via a convolutional neural network (ConvNet), and optimize the parameters of the ConvNet using a self-supervised method. In another setting (semi-supervised), the auxiliary segmentation ground truth is used during training. We show that the method provides fast and high-quality bone segmentation in the context of single-photon emission computed tomography (SPECT) image.

研究の動機と目的

• ディープラーニングベースの医療画像セグメンテーションにおける高いアノテーションコストの課題に対処すること。
• 強度統計量を活用して最小限または完全に正解ラベルを必要としないセグメンテーションモデルの開発。
• 伝統的なアクティブコンター手法の頑健性とディープラーニングの表現力の統合。
• シンプレックスフォトンエミッションコンピュータトモグラフィ（SPECT）画像における高速かつ高精度な骨セグメンテーションの実現。

提案手法

• 本手法は、3つの再帰的層と2つの標準的な畳み込み層からなる、小型で軽量なCNNを採用。各層の後にはバッチ正則化とPReLU活性化関数が続く。
• ネットワークの出力は、出力値 > 0 である画素をフォアグラウンドとして分類することで二値マスクを出力。より良い二値セグメンテーション性能を得るため、Softmaxを避ける。
• 非教師あり設定では、損失関数としてACWEエネルギー関数を用い、画像強度統計量のみに依存する：$\mathcal{L}_{ACWE} = \nu \cdot \text{Area}(f_\theta(\mathbf{g})>0) + \sum_{f_\theta(\mathbf{g})>0} |\mathbf{g}-c_1|^2 + \sum_{f_\theta(\mathbf{g})\leq 0} |\mathbf{g}-c_2|^2$、ここで $\nu=0.004$, $\lambda_1=\lambda_2=1$, および $\mu=0$。
• 半教師ありモードでは、正解マスクを用いたラベルベースの正則化項を含む、教師あり損失 $\mathcal{L}_{\text{label}}$ を追加。
• 総損失は $\mathcal{L} = \mathcal{L}_{ACWE} + \alpha \mathcal{L}_{\text{label}}$ で表され、$\alpha=0.4$ であり、同時に最適化可能。
• モデルはXCATファントムを用いてシミュレートされた3次元ボリュームから得た8,000枚の2次元SPECTスライスを訓練データとして使用し、4,000枚のテストスライスで評価した。

実験結果

リサーチクエスチョン

• RQ1 大規模なアノテート済みデータセットに依存せずに、ディープCNNを医療画像セグメンテーションに適用できるか。
• RQ2 ACWEエネルギー関数が自己教師あり損失として、セグメンテーションネットワークの学習にどの程度有効であるか。
• RQ3 最小限の正解ラベルを用いた微調整が、非教師あり事前学習済みモデルのセグメンテーション性能をどの程度向上できるか。
• RQ4 本手法は、SPECT画像において、従来のレベルセットACWE手法と比較して、速度と精度の面でどの程度優れているか。

主な発見

• 非教師ありモデル（Mode₁）は、正解ラベルを一切使用せず、平均Dice類似係数（DSC）0.593 ± 0.19を達成し、非教師あり学習の可能性を示した。
• わずか80枚の正解ラベルで微調整した（Mode₃）ことで、DSCは0.732 ± 0.12に向上し、優れたデータ効率性を示した。
• 完全に教師ありのモード（Mode₄）では、最高のDSC 0.856 ± 0.09を達成し、完全な教師あり環境下でも優れた性能を示した。
• 本手法はレベルセットACWE法よりも著しく高速であり、1スライスあたりの推論時間は0.006 ± 0.022秒（本手法）であったのに対し、レベルセット法は2.698 ± 0.085秒であった。
• 強度統計量のみに依存して未学習のSPECT画像に対しても良好な一般化性能を示しており、普遍的な画像表現の学習が有効に行われたことを示している。
• PReLU活性化関数と最終層でのSoftmax非使用が、標準的な分類ヘッドと比較して、二値セグメンテーション性能を向上させた。