[論文レビュー] Mixed-Supervised Dual-Network for Medical Image Segmentation

Duo Wang, Ming Li+5 more|arXiv (Cornell University)|Jul 24, 2019

Advanced Neural Network Applications参考文献 18被引用数 4

ひとこと要約

本論文は、弱いラベル付きバウンディングボックスから密分割に知識を転送するため、Squeeze-and-Excitation (sSE) モジュールを介してセグメンテーションネットワークと検出ネットワークを共同で学習する、二重ストリームアーキテクチャである Mixed-Supervised Dual-Network (MSDN) を提案する。MSDN は、肺結節およびコッホレアのセグメンテーションタスクにおいて、複数のベースラインを上回り、特に低監視レジームにおいても頑健性と安定性を示す。

ABSTRACT

Deep learning based medical image segmentation models usually require large datasets with high-quality dense segmentations to train, which are very time-consuming and expensive to prepare. One way to tackle this challenge is by using the mixed-supervised learning framework, in which only a part of data is densely annotated with segmentation label and the rest is weakly labeled with bounding boxes. The model is trained jointly in a multi-task learning setting. In this paper, we propose Mixed-Supervised Dual-Network (MSDN), a novel architecture which consists of two separate networks for the detection and segmentation tasks respectively, and a series of connection modules between the layers of the two networks. These connection modules are used to transfer useful information from the auxiliary detection task to help the segmentation task. We propose to use a recent technique called "Squeeze and Excitation" in the connection module to boost the transfer. We conduct experiments on two medical image segmentation datasets. The proposed MSDN model outperforms multiple baselines.

研究の動機と目的

• 完全にアノテートされた医療画像データセットの高コストおよび限界を解消するため、密なセグメンテーションマスクと弱いバウンディングボックスアノテーションを併用した混合監視を活用する。
• 反復的リファインメントや事前知識に依存する既存の弱い監視手法の限界を克服し、臨床応用におけるスケーラビリティを向上させる。
• 補助的な検出タスクから主なセグメンテーションタスクへ効果的な知識転送を可能にする、画期的な二重ネットワークアーキテクチャを開発する。
• クロスネットワーク接続部に注意メカニズム（sSE）を統合することで、低監視条件下でのセグメンテーションパフォーマンスを向上させる。
• 二つの医療画像データセットにおいて、マルチストリームおよびシングルストリームのベースラインと比較して、安定的かつ優れたパフォーマンスを達成する。

提案手法

• セグメンテーションとオブジェクト検出のための別々のストリームを持つ二重ネットワークアーキテクチャを設計し、共有バックボーンを避けることで、タスク固有の最適化を可能にする。
• 二つのネットワークの対応する層の間に接続モジュールを導入し、検出ストリームからセグメンテーションストリームへ有用な特徴を転送する。
• 接続モジュールに Binary Squeeze-and-Excitation (sSE) モジュールを統合し、チャネルおよび空間的注意に基づいて特徴マップを動的に再キャリブレーションする。
• sSE モジュールを用いて、検出特徴における情報量の多いチャネルおよび空間領域を強調し、セグメンテーションへの関連性を高める。
• 検出ヘッドおよびセグメンテーションヘッドの両方に対して交差エントロピー損失と Dice 損失を用い、エンドツーエンドのマルチタスク学習設定でモデルを訓練する。
• 一般化を向上させ、過学習を防ぐために、データオーグメンテーション、正規化、ドロップアウト、早期停止を適用する。

実験結果

リサーチクエスチョン

• RQ1 検出とセグメンテーションのための専用ストリームを持つ二重ネットワークアーキテクチャは、混合監視医療画像セグメンテーションのパフォーマンス向上に寄与するか？
• RQ2 ネットワーク間接続層に Squeeze-and-Excitation モジュールを組み込むことで、特徴転送とセグメンテーション精度が向上するか？
• RQ3 わずかに密にアノテートされたデータしか利用できない状況（例：コッホレアデータセットの 11-55 スプリット）において、提案された MSDN モデルは完全監視および弱い監視ベースラインと比較してどのように性能を発揮するか？
• RQ4 強いラベルと弱いラベルの比率が変化しても、モデルは安定したパフォーマンスを維持できるか？
• RQ5 クロスネットワーク接続部に二値 sSE モジュールを用いることで、一値 sSE や注意機構なしのケースと比較して、より優れた特徴再キャリブレーションが達成できるか？

主な発見

• コッホレアデータセットの 44-22 スプリットにおいて、MSDN は平均テスト Dice スコア 83.58% ± 1.20 を達成し、同じスプリットで U-Net (87.91% ± 0.28) および Variant MS-Net (87.54% ± 0.36) を上回った。
• 肺結節データセットの 80-80 スプリットにおいて、MSDN は 83.01% ± 0.69 の Dice スコアを達成し、U-Net (80.51% ± 0.59) および Variant MS-Net (81.72% ± 1.19) を上回った。
• 低監視レジーム（例：コッホレアの 11-55 スプリット）においても、MSDN は 85.60% ± 1.76 の Dice スコアを維持し、U-Net (80.85% ± 0.42) や Variant MS-Net (82.60% ± 1.43) より顕著に優れた性能を示した。
• 検出ストリームを含まないアブレーションバージョンの MSDN- は、完全な MSDN よりも低いパフォーマンスを示し、検出ストリームおよび sSE モジュールの有効性を確認した。
• U-Net に一値 sSE を追加するとパフォーマンスがわずかに向上するが、完全な MSDN アーキテクチャほど効果的ではなく、構造化された注意を備えた二重ネットワークの優位性を示した。
• 定性的な結果から、MSDN は特にコントラストが低く複雑な解剖的領域において、ベースラインと比較してより正確で完全なセグメンテーションマップを生成することがわかった。