[論文レビュー] OCU-Net: A Novel U-Net Architecture for Enhanced Oral Cancer Segmentation

Ahmed Albishri, Syed Jawad Hussain Shah+2 more|arXiv (Cornell University)|Oct 3, 2023

AI in cancer detectionComputer Science被引用数 3

ひとこと要約

OCU-Netは、チャネルおよび空間注意融合（CSAF）モジュールを備えた独自のU-Netアーキテクチャであり、squeeze-and-excitationブロック、アトラス空間的プールイング、残差接続、マルチスケール特徴抽出を統合し、OCDCおよびORCAデータセットにおけるH&E染色全身切片画像からの口腔がんのセグメンテーションで最先端の性能を達成した。事前学習済みMobileNet-V2バックボーンを搭載したOCU-Net mは、さらに精度と効率性が向上した。

ABSTRACT

Accurate detection of oral cancer is crucial for improving patient outcomes. However, the field faces two key challenges: the scarcity of deep learning-based image segmentation research specifically targeting oral cancer and the lack of annotated data. Our study proposes OCU-Net, a pioneering U-Net image segmentation architecture exclusively designed to detect oral cancer in hematoxylin and eosin (H&E) stained image datasets. OCU-Net incorporates advanced deep learning modules, such as the Channel and Spatial Attention Fusion (CSAF) module, a novel and innovative feature that emphasizes important channel and spatial areas in H&E images while exploring contextual information. In addition, OCU-Net integrates other innovative components such as Squeeze-and-Excite (SE) attention module, Atrous Spatial Pyramid Pooling (ASPP) module, residual blocks, and multi-scale fusion. The incorporation of these modules showed superior performance for oral cancer segmentation for two datasets used in this research. Furthermore, we effectively utilized the efficient ImageNet pre-trained MobileNet-V2 model as a backbone of our OCU-Net to create OCU-Netm, an enhanced version achieving state-of-the-art results. Comprehensive evaluation demonstrates that OCU-Net and OCU-Netm outperformed existing segmentation methods, highlighting their precision in identifying cancer cells in H&E images from OCDC and ORCA datasets.

研究の動機と目的

• H&E染色組織病理画像に特化した深層学習ベースの画像セグメンテーション研究の不足に応える。
• 口腔がんのアノテート済みH&E画像データセットが限られている課題を、転移学習とデータ増強を活用して克服する。
• がん細胞検出のための局在化と特徴表現を向上させる、強化された注意メカニズムを備えたU-Netベースアーキテクチャを開発する。
• アーキテクチャの革新と効率的な特徴学習により、公的口腔がんデータセット（OCDCおよびORCA）で最先端のセグメンテーション性能を達成する。
• デジタル病理学における臨床意思決定を支援するため、口腔扁平上皮がん（OSCC）の早期かつ正確な検出を可能にする。

提案手法

• H&E画像における重要な空間的領域と情報量の多いチャネルを同時に強調し、文脈的依存関係を捉えるために、独自のチャネルおよび空間注意融合（CSAF）モジュールを提案した。
• グローバルな文脈に基づいてチャネルごとの特徴応答を再キャリブレーションするため、squeeze-and-excitation（SE）注意ブロックを統合した。
• 異なる受容野をカバーする平行な拡張畳み込みを用いたアトラス空間的プールイング（ASPP）を採用し、マルチスケールの文脈的情報を捉えた。
• 深層エンコーダ・デコーダアーキテクチャにおける学習安定化と勾配の流れ改善を目的に、スキップ接続内に残差ブロックを統合した。
• 高解像度および高レベルの意味的特徴を統合することで、セグメンテーションの精度を向上させるためにマルチスケール特徴統合を採用した。
• データ不足下での特徴抽出とモデル一般化の向上を目的に、OCU-Net mでは事前学習済みImageNet MobileNet-V2をエンコーダバックボーンとして採用した。

Figure 1: (A) ORCA Dataset image and annotation examples: (a) Training set example. (b) Testing set example. Classes include (White: Carcinoma pixels), (Gray: Non-carcinoma tissue pixels), and (Black: Non-tissue pixels). (B) OCDC Dataset image and annotation examples: (c) Training set example. (d) T

実験結果

リサーチクエスチョン

• RQ1 標準的な注意モジュールと比較して、カスタム注意メカニズム（CSAF）はH&E染色組織画像における口腔がんセグメンテーション精度を向上させるか？
• RQ2 ASPP、SEブロック、マルチスケール統合を統合することで、U-Netベースモデルの口腔がんセグメンテーション性能はどの程度向上するか？
• RQ3 事前学習済みMobileNet-V2バックボーンを用いた転移学習は、限られた口腔がんデータセットにおけるOCU-Netのセグメンテーション性能と計算効率にどのような影響を与えるか？
• RQ4 OCU-Netは、ベンチマーク口腔がんデータセット（OCDCおよびORCA）において、Diceスコア、IoU、DSC指標で最先端の性能を達成するか？
• RQ5 限られたアノテート済みトレーニングデータ下でも、提案アーキテクチャは多様な組織像サブタイプおよびがん進行度に一般化可能か？

主な発見

• OCDCデータセットでは、OCU-Netが優れたセグメンテーション性能を示し、Diceスコア0.892、IoU 0.798を達成し、既存手法を上回った。
• ORCAデータセットでは、Diceスコア0.876、IoU 0.781を達成し、異なるデータ分布に対しても強力な一般化能力を示した。
• 事前学習済みMobileNet-V2バックボーンを搭載したOCU-Net mは、OCDCでDiceスコア0.901、ORCAで0.883を達成し、転移学習による性能向上を示した。
• アブレーションスタディの結果、CSAFモジュールが性能向上に顕著な貢献を示し、注意メカニズムを備えないベースラインU-Netと比較してDiceスコアが4.2%向上した。
• スキップ接続内にマルチスケール統合と残差ブロックを統合した場合、単にエンコーダ・デコーダスキップ接続を備えた標準U-Netと比較して、Diceスコアが3.1%向上した。
• モデルはクラス不均衡や小規模な病変検出に対しても頑健であり、両データセットで感度（0.86）と特異度（0.92）が高く維持された。

Figure 2: Illustration of H&E images from the OCDC dataset [ 19 ] . (a) Blue highlighted regions indicate image patches extracted for the training set. (b) Whole slide image (WSI). (c) Red highlighted regions indicate image patches extracted for the testing set.