[論文レビュー] Medico Multimedia Task at MediaEval 2020: Automatic Polyp Segmentation

Debesh Jha, Steven A. Hicks+6 more|arXiv (Cornell University)|Dec 30, 2020

Colorectal Cancer Screening and Detection参考文献 16被引用数 15

ひとこと要約

本論文は、2020年メディコマルチメディアチャレンジ「自動ポリープセグメンテーション」を提示し、トレーニングに公開済みのKvasir-SEGデータセットと、評価用の新たな未観測テストセットを用いたベンチマークを導入する。mIoUとFPSを用いてセグメンテーションモデルを評価し、内視鏡診断におけるポリープの見逃し率を低減するため、臨床応用に耐える強固で正確かつ効率的なアルゴリズムの開発を促進する。

ABSTRACT

Colorectal cancer is the third most common cause of cancer worldwide. According to Global cancer statistics 2018, the incidence of colorectal cancer is increasing in both developing and developed countries. Early detection of colon anomalies such as polyps is important for cancer prevention, and automatic polyp segmentation can play a crucial role for this. Regardless of the recent advancement in early detection and treatment options, the estimated polyp miss rate is still around 20\%. Support via an automated computer-aided diagnosis system could be one of the potential solutions for the overlooked polyps. Such detection systems can help low-cost design solutions and save doctors time, which they could for example use to perform more patient examinations. In this paper, we introduce the 2020 Medico challenge, provide some information on related work and the dataset, describe the task and evaluation metrics, and discuss the necessity of organizing the Medico challenge.

研究の動機と目的

• 標準化され、公開済みのデータセットを用いた、最先端のコンピュータビジョンおよび機械学習アルゴリズムの自動ポリープセグメンテーションに関するベンチマーク化と比較。
• 大腸内視鏡における20％のポリープ見逃し率を低減するため、ポリープ検出システムの正確性と効率性を向上させること。
• 新たな未観測テストセットを用いた共有ベンチマークを通じて、再現可能でオープンかつ一般化可能な手法の促進。
• 臨床応用の可能性を評価するため、セグメンテーション性能（mIoU）とリアルタイム処理速度（FPS）の両方を評価すること。
• 早期大腸がん検出のための臨床グレードのコンピュータ支援診断（CADx）システムの開発を支援すること。

提案手法

• 参加者は、1,000枚のアノテート済みポリープ画像と正解マスクを含むKvasir-SEGデータセットを用いてモデルをトレーニングした。
• 一般化性能を保証するため、ベンチマークには別個の未観測テストセット（ポリープ画像160枚）が使用された。
• セグメンテーション性能は、平均交差率（mIoU）を用いて評価され、mIoU値が同一の場合の順位決定のための補足指標として、Dice類似係数（DSC）が用いられた。
• 速度効率は、NVIDIA GeForce GTX 1080システム上でDocker化された実装を用いて、フレーム毎秒（FPS）で測定された。
• 本チャレンジでは、臨床現場でのライブ利用を支援するため、高い正確性とリアルタイム性能の両方を重視した。
• 参加者は、テスト画像の解像度と一致する予測セグメンテーションマスクをZIPファイル形式で提出した。

実験結果

リサーチクエスチョン

• RQ1 異なるディープラーニングモデルは、多様な内視鏡画像におけるポリープセグメンテーションにおいて、mIoUとFPSの観点からどのように性能を発揮するか？
• RQ2 モデルの効率性は、特にリアルタイム内視鏡診断における臨床応用にどのような影響を及えるか？
• RQ3 Kvasir-SEGでトレーニングされたモデルの一般化性能は、未観測の実世界のポリープ画像へどのように伝播するか？
• RQ4 人間の内視鏡医に比べて、自動化システムはポリープの見逃し率をどの程度低減できるか？
• RQ5 ポリープ検出モデルにおいて、セグメンテーションの正確性と推論速度の間には、どのようなトレードオフが存在するか？

主な発見

• 2020年メディコチャレンジは、160枚のポリープ画像からなる新たな未観測テストセットを用いた標準化されたベンチマークを提供した。
• 主評価指標はmIoUであり、mIoU値が同一の場合の順位決定のため、DSCが補足指標として用いられた。
• 本チャレンジではリアルタイム性能の重要性が強調され、GTX 1080 GPU上でDocker化されたデプロイメントを用いたFPS評価が義務付けられた。
• トレーニングには、臨床的内視鏡画像からピクセル単位のアノテーションが施された1,000枚のポリープ画像を含むKvasir-SEGデータセットが使用された。
• 本タスクは、臨床統合に向けた高い正確性（mIoU）と低い推論遅延（FPS）の両立の重要性を浮き彫りにした。
• 本チャレンジは再現可能な研究を支援し、ポリープの見逃し率を低減するためのCADxシステムの開発を加速することを目的としている。