[論文レビュー] Modality-aware Mutual Learning for Multi-modal Medical Image Segmentation

Yao Zhang, Jiawei Yang+5 more|arXiv (Cornell University)|Jul 21, 2021

Advanced Neural Network Applications参考文献 29被引用数 10

ひとこと要約

本稿では、対応するモダリティ固有のモデルを相互学習によって訓練することで、肝腫瘍画像分類を向上させる、新しいマルチモodal医療画像分類フレームワークである「モダリティ認識相互学習（MAML）」を提案する。モダリティ認識アテンションモジュールを統合し、異なるモダリティ間での適応的統合を実現するとともに、モダリティ間での知識蒸留を可能にすることで、臨床および公開データセットにおいて最先端の性能を達成した。特に、欠損モダリティの処理にも強く、顕著な精度向上を実現した。

ABSTRACT

Liver cancer is one of the most common cancers worldwide. Due to inconspicuous texture changes of liver tumor, contrast-enhanced computed tomography (CT) imaging is effective for the diagnosis of liver cancer. In this paper, we focus on improving automated liver tumor segmentation by integrating multi-modal CT images. To this end, we propose a novel mutual learning (ML) strategy for effective and robust multi-modal liver tumor segmentation. Different from existing multi-modal methods that fuse information from different modalities by a single model, with ML, an ensemble of modality-specific models learn collaboratively and teach each other to distill both the characteristics and the commonality between high-level representations of different modalities. The proposed ML not only enables the superiority for multi-modal learning but can also handle missing modalities by transferring knowledge from existing modalities to missing ones. Additionally, we present a modality-aware (MA) module, where the modality-specific models are interconnected and calibrated with attention weights for adaptive information exchange. The proposed modality-aware mutual learning (MAML) method achieves promising results for liver tumor segmentation on a large-scale clinical dataset. Moreover, we show the efficacy and robustness of MAML for handling missing modalities on both the liver tumor and public brain tumor (BRATS 2018) datasets. Our code is available at https://github.com/YaoZhang93/MAML.

研究の動機と目的

• 対比強化CTスキャンを用いて、マルチモーダル肝腫瘍分類の精度とロバスト性を向上させること。
• 臨床現場において片方のモード（動脈期または静脈期）しか入手できないという、欠損モダリティの課題に対処すること。
• 適応的アテンションを用いてモダリティ固有の表現を学習することで、マルチモーダル特徴の効果的かつ解釈可能な統合を実現すること。
• 固定の統合戦略や片方向の知識蒸留に依存する従来手法の限界を克服すること。
• 完全なマルチモーダル入力と、欠損モダリティを伴う部分的入力の両方をサポートするフレームワークを開発すること。

提案手法

• 本手法は、各CTモード（動脈期および静脈期）からの特徴抽出に、モダリティ固有の完全畳み込みネットワーク（FCN）の集合を用いる。
• モダリティ認識（MA）モジュールは、分類タスクに対する関連性に基づき、異なるモダリティからの特徴を適応的に重み付け・統合する学習可能なアテンションマップを計算する。
• 相互学習（ML）をモダリティ固有モデル間で適用し、双方向の知識蒸留を実現することで、汎化性能とロバスト性を向上させる。
• 各モデルの予測を一致させるために、モデル内損失（各モデルのセグメンテーション損失）と結合損失（知識蒸留損失）の組み合わせを用いて訓練する。
• 3D CTボリューム上でエンドツーエンドに訓練し、ランダムなミラー画像、回転、変形、ガンマ補正を用いたデータオーグメンテーションを実施する。
• 本手法は、大規模な臨床肝腫瘍データセットおよび、欠損モダリティのシナリオを想定した公開BRATS 2018脳腫瘍データセットで評価された。

実験結果

リサーチクエスチョン

• RQ1 モダリティ固有モデル間の相互学習戦略は、標準的なマルチモーダル統合を上回る分類性能を向上させることができるか？
• RQ2 モダリティ認識アテンション機構は、マルチモーダル医療画像分類において、効果的かつ解釈可能な特徴統合を提供できるか？
• RQ3 本手法は、特に片方のモードしか入手できない状況において、欠損モダリティをどれほど効果的に処理できるか？
• RQ4 相互学習メカニズムは、動脈期と静脈期の間で知識を効果的に転送し、両者の性能差を低減できるか？
• RQ5 本フレームワークは、肝腫瘍分類にとどまらず、他のマルチモーダル医療画像処理タスクにも一般化可能か？

主な発見

• MAMLは臨床肝腫瘍データセットで89.6%のDiceスコアを達成し、ベースラインのモダリティ固有モデルアンサンブル（86.7%）およびnnUNet や OctopusNet などのSOTA手法を上回った。
• モダリティ認識モジュールにより、解釈可能なアテンションが可能となった：静脈期画像では腫瘍の縁や擬似被膜に注目し、動脈期画像では腫瘍内部に注目した。
• BRATS 2018データセット（T1ceモダリティのみ利用可能）において、MAMLは全腫瘍分類で78.32 ± 1.41のDiceを達成し、KD-Net（76.98 ± 1.54）、U-HVED（62.4）、HeMIS（58.5）を上回った。
• 片方のモダリティのみが利用可能な状況でも、MAMLは動脈期と静脈期の間の性能差を著しく縮小し、強力な知識転送能力を示した。
• 相互学習戦略により、非蒸留モデルに比べて顕著な性能向上が得られ、MS+MAベースラインに比べて2.9%のDiceスコア向上を達成した。
• 本手法は欠損モダリティに対して高いロバスト性を示し、片方のモードしか存在しない状況でも高い性能を維持した。これは、実臨床応用において極めて重要である。