[論文レビュー] MixModule: Mixed CNN Kernel Module for Medical Image Segmentation

Henry Yu, Feng Xue+2 more|arXiv (Cornell University)|Oct 19, 2019

Advanced Neural Network Applications参考文献 26被引用数 4

ひとこと要約

本論文では、複数のカーネルサイズ（3×3、5×5、7×7）を統合して、医療画像セグメンテーションにおけるマルチスケールの文脈的特徴を捉える新しい畳み込みニューラルネットワークモジュール、MixModuleを提案する。U-Netおよびその変種（U-Net、R2U-Net、Attention U-Net）における単一サイズのカーネルを置き換えることで、特徴表現が向上し、3つの医療画像セグメンテーションベンチマークで一貫したDiceスコアおよびその他の指標の向上を達成し、最先端の性能を実現した。

ABSTRACT

Convolutional neural networks (CNNs) have been successfully applied to medical image classification, segmentation, and related tasks. Among the many CNNs architectures, U-Net and its improved versions based are widely used and achieve state-of-the-art performance these years. These improved architectures focus on structural improvements and the size of the convolution kernel is generally fixed. In this paper, we propose a module that combines the benefits of multiple kernel sizes and we apply the proposed module to U-Net and its variants. We test our module on three segmentation benchmark datasets and experimental results show significant improvement.

研究の動機と目的

• 固定サイズの畳み込みカーネルが医療画像セグメンテーションネットワークにおいて多様な受容野を捉えられないとされる限界を是正すること。
• 異なるカーネルサイズからのマルチスケールの文脈的情報を統合することで、U-Netおよびその変種における特徴表現を向上させること。
• アーキテクチャの大幅な見直しを伴わずに、セグメンテーション性能を向上させるプラグアンドプレイ型モジュールの開発。
• 限られたデータを伴う多様な医療画像処理タスクにおいて、提案されたモジュールの有効性を検証すること。

提案手法

• MixModuleは、同じ入力特徴マップに並列に3×3、5×5、7×7の畳み込みカーネルを適用し、マルチスケールの空間的特徴を捉える。
• 複数のカーネルの出力をチャネル次元に沿って連結することで、統合されたマルチ受容野表現を形成する。
• U-Netおよびその変種（R2U-Net、Attention U-Net）における標準的な畳み込みブロックの即時置換として設計されており、プラグイン型の代替手段を提供する。
• 標準的なReLU活性化関数とバッチ正則化を用い、特徴マップは連結処理により空間解像度を保持する。
• U-Netのスキップ接続設計を維持することで、トレーニング中に高解像度の監視が保証される。
• Adam最適化アルゴリズムを用い、学習率の段階的減少とデータオーグメンテーション（回転、反転、明るさ、コントラスト、シフト）を併用して、エンドツーエンドで学習を行う。

実験結果

リサーチクエスチョン

• RQ1 複数のカーネルサイズを組み合わせることで、医療画像セグメンテーションネットワークにおける特徴表現が向上するか？
• RQ2 提案されたMixModuleは、異なるU-Net変種およびデータセットにおいて一貫して性能を向上させるか？
• RQ3 セグメンテーション精度と頑健性の観点から、標準的な単一カーネル畳み込みブロックと比較して、MixModuleはどのように差をつけるか？
• RQ4 MixModuleは、限定的なアノテーションを伴う小さな医療画像データセットに対しても効果的に対処できるか？

主な発見

• 皮膚病変データセットでは、MixU-NetがDiceスコア0.7673を達成し、標準U-Net（0.7645）および他のすべての変種を上回った。
• DRIVE網膜血管セグメンテーションデータセットでは、MixAttU-NetがDiceスコア0.6820を記録し、標準AttU-Net（0.6617）および他のベースラインを上回った。
• CHASE_DB1データセットでは、MixAttU-NetがDiceスコア0.6636を達成し、標準AttU-Net（0.6457）およびR2U-Net（0.6378）を上回った。
• MixModuleを搭載したモデルは、3つのデータセットすべてで最高のF1スコアおよびDice係数を達成し、セグメンテーションの頑健性が向上していることが示された。
• 皮膚データセットでは、MixU-Netが95.12%の精度を達成したのに対し、標準AttU-Netは94.96%であった。
• アブレーション結果から、マルチスケールカーネル統合が特徴学習を顕著に向上させること、特に血管や病変境界のような微細構造の捉え方において顕著であることが確認された。