[論文レビュー] MSU-Net: Multiscale Statistical U-Net for Real-time 3D Cardiac MRI Video Segmentation

Tianchen Wang, Jinjun Xiong+6 more|arXiv (Cornell University)|Sep 15, 2019

Advanced Neural Network Applications参考文献 12被引用数 14

ひとこと要約

MSU-Netは、ICAを用いて入力データを多スケールの標準形式分布としてモデル化することで、リアルタイム3次元心筋MRI動画セグメンテーションを実現するマルチスケール統計的U-Netを提案する。これにより、空間的・時間的相関を保持した並列処理が可能となり、従来のU-Netに比べ最大268%の高速化と1.6%のDiceスコア向上を達成。GridNetに比べ237%の高速化と3.6%のスコア向上を達成した。

ABSTRACT

Cardiac magnetic resonance imaging (MRI) is an essential tool for MRI-guided surgery and real-time intervention. The MRI videos are expected to be segmented on-the-fly in real practice. However, existing segmentation methods would suffer from drastic accuracy loss when modified for speedup. In this work, we propose Multiscale Statistical U-Net (MSU-Net) for real-time 3D MRI video segmentation in cardiac surgical guidance. Our idea is to model the input samples as multiscale canonical form distributions for speedup, while the spatio-temporal correlation is still fully utilized. A parallel statistical U-Net is then designed to efficiently process these distributions. The fast data sampling and efficient parallel structure of MSU-Net endorse the fast and accurate inference. Compared with vanilla U-Net and a modified state-of-the-art method GridNet, our method achieves up to 268% and 237% speedup with 1.6% and 3.6% increased Dice scores.

研究の動機と目的

• MRIガイドド手術に不可欠なリアルタイム3次元心筋MRI動画セグメンテーションの課題に対処すること。
• 心筋MRI向け既存のディープラーニングセグメンテーション手法における速度と精度のトレードオフを克服すること。
• 高精度なセグメンテーションを維持しながらリアルタイム推論（≥30 FPS）を達成する軽量で効率的なアーキテクチャの開発。
• パフォーマンスを犠牲にせずに、空間的・時間的相関を効率的にモデル化するための統計的分布の活用。
• 臨床現場でのリアルタイム心臓手術ガイドランスに適した、リアルタイムでの即時セグメンテーションの実現。

提案手法

• 空間的・時間的パッチに対して独立成分分析（ICA）を適用し、3次元MRI動画フレームを多スケールの標準形式分布としてモデル化する。
• 異なる空間的・時間的スケールでの重複パッチにICAを適用することで、多スケールの空間的・時間的相関を保持した多スケール分布を抽出する。
• それぞれが異なるスケールの標準形式分布を処理する、複数の軽量エンコーダ・デコーダブランチを有する並列統計的U-Netアーキテクチャを設計する。
• 分布の性質をネットワーク全体で保持する標準形式演算（重み付き和と最大値）を活用し、効率的な微分可能な推論を可能にする。
• パラメータ化された統計的分布（平均、独立成分、ノイズ）をネットワークの入力として使用することで、決定的テンソルに比べ計算負荷を低減する。
• 標準的なCNN学習手順への最小限の変更で、標準的なバックプロパゲーションを用いてネットワークを学習する。

実験結果

リサーチクエスチョン

• RQ1 3次元心筋MRI動画を多スケールの標準形式分布としてモデル化することで、セグメンテーション精度を損なわずに推論速度を向上させることができるか？
• RQ2 提案された並列統計的U-Netアーキテクチャは、標準U-NetおよびGridNetと比較して、リアルタイム3次元MRIセグメンテーションにおける速度と精度の面でどのように異なるか？
• RQ3 多スケールデータサンプリングは、正確な心臓構造セグメンテーションに不可欠な空間的・時間的相関をどの程度保持できるか？
• RQ4 統計的U-Netは、臨床現場におけるリアルタイム要件（≥30 FPS）を満たすために著しく高速化された推論においても、高いDiceスコアを維持できるか？
• RQ5 提案フレームワークにおいて、時間的文脈長（T5対T10）の最適なバランスは何か？

主な発見

• MSU-Net（T10）は70.2 FPSを達成し、最も精度の高いベースライン（GridNet、15.7 FPS）に比べ2.75倍の高速化を実現。平均Diceスコアは0.028%の低下にとどまる。
• MSU-Net（T5）は43.2 FPSを達成し、標準形U-Net（0.846）に比べ1.6%高い平均Diceスコア（0.862）を達成。U-Netは標準形でも速いが、本手法は精度を上回った。
• 浅いU-Netバージョン（D3+IF16およびD3+IF8）は、それぞれ33.2および43.2 FPSを達成したが、顕著な精度低下（Diceスコアが0.690および0.662に低下）を示し、速度と精度のトレードオフが確認された。
• MSU-Net（T10）は、標準U-Netに比べ268%の高速化と1.6%の高いDiceスコアを達成し、効率性と精度のバランスに優れていることを示した。
• MSU-Net（T5）は、GridNet（D3+IF32）に比べ237%の高速化と3.6%の高いDiceスコアを達成し、比較対象すべての中で最も高速かつ最も高精度な手法であることが立証された。
• 可視化結果から、ベース、ミドル、アペンドスライスにおける左室（LV）および心筋（MYO）の境界が正確に抽出されているが、境界が曖昧な右室（RV）についてはやや精度が低下している。