[論文レビュー] P-Mamba: Marrying Perona Malik Diffusion with Mamba for Efficient Pediatric Echocardiographic Left Ventricular Segmentation

Zi Ye, Tianxiang Chen+3 more|arXiv (Cornell University)|Feb 13, 2024

Cardiovascular Function and Risk FactorsMedicine被引用数 3

ひとこと要約

P-Mambaは、視覚Mambaを用いたグローバルな依存関係モデリングと、DWTに基づくペルナ＝マリク拡散（PMD）ブロックを用いたノイズ抑制・エッジ保持を融合することで、小児超音波心エコー画像における左室（LV）セグメンテーションのための新規で効率的なディープラーニングフレームワークを提案する。モデルは、PSAXでDice 0.9221、A4Cで0.9046の最先端の精度を達成し、二次および線形の計算量を有するビジョントランスフォーマーを上回る優れた推論効率を示す。

ABSTRACT

In pediatric cardiology, the accurate and immediate assessment of cardiac function through echocardiography is crucial since it can determine whether urgent intervention is required in many emergencies. However, echocardiography is characterized by ambiguity and heavy background noise interference, causing more difficulty in accurate segmentation. Present methods lack efficiency and are prone to mistakenly segmenting some background noise areas, such as the left ventricular area, due to noise disturbance. To address these issues, we introduce P-Mamba, which integrates the Mixture of Experts (MoE) concept for efficient pediatric echocardiographic left ventricular segmentation. Specifically, we utilize the recently proposed ViM layers from the vision mamba to enhance our model's computational and memory efficiency while modeling global dependencies.In the DWT-based Perona-Malik Diffusion (PMD) Block, we devise a PMD Block for noise suppression while preserving the left ventricle's local shape cues. Consequently, our proposed P-Mamba innovatively combines the PMD's noise suppression and local feature extraction capabilities with Mamba's efficient design for global dependency modeling. We conducted segmentation experiments on two pediatric ultrasound datasets and a general ultrasound dataset, namely Echonet-dynamic, and achieved state-of-the-art (SOTA) results. Leveraging the strengths of the P-Mamba block, our model demonstrates superior accuracy and efficiency compared to established models, including vision transformers with quadratic and linear computational complexity.

研究の動機と目的

• 小児超音波心エコー画像におけるノイズ干渉と低効率の課題に対処すること。
• 背景ノイズを抑制しつつ、細かなLV境界の詳細を保持することで、セグメンテーション精度を向上させること。
• 従来のビジョントランスフォーマーに基づくモデルと比較して、計算およびメモリ効率を向上させること。
• 選択的状態空間モデリングと拡散ベースのノイズ除去を統合したアーキテクチャを統合し、超音波画像セグメンテーションに適用すること。
• 最小限の計算コストで小児超音波エコー画像データセットにおいて優れた性能を達成すること。

提案手法

• 線形計算量とハードウェア効率を有する視覚Mambaエンコーダーを用いたデュアルエンコーダー構造を採用し、グローバルなコンテキストモデリングを実現する。
• 離散ウェーブレット変換（DWT）の後に特徴マップにペルナ＝マリク拡散を適用するDWTベースのPMDブロックを導入し、ノイズ抑制とエッジ強化を実現する。
• 入力特徴をDWTでサブバンドに分解することで、LV領域の構造的詳細を保持したまま局所的なノイズフィルタリングを可能にする。
• MambaとPMDブランチの両方の特徴マップを複数スケールで統合し、その後セグメンテーションヘッドおよびFCNデコーダーを介してマスク予測を実行する。
• 境界精度の向上を図るため、Dice損失および他の標準的なセグメンテーション損失を用いたマルチスケール監視による学習を実施する。
• 自己注意機構を用いないMambaブロックの選択的構造的状態空間機構を活用し、長距離依存関係を効率的にモデリングする。

実験結果

リサーチクエスチョン

• RQ1 Mambaとペルナ＝マリク拡散を統合したハイブリッドアーキテクチャは、ノイズの多い小児超音波心エコー画像におけるセグメンテーション精度を向上させ得るか？
• RQ2 DWTベースのPMDブロックの統合は、標準的なCNNや注目機構と比較してエッジ保持性およびノイズ抑制性を向上させるか？
• RQ3 Mambaベースのエンコーダーは、ビジョントランスフォーマーと比較して計算コストをどの程度低減しつつ、性能を維持または向上させ得るか？
• RQ4 P-Mambaモデルは、小児超音波エコーのベンチマークにおいて、最先端のモデルと比較して効率性と精度の両面で優れているか？
• RQ5 アブレーションスタディによって測定した場合、MambaとPMDの各コンponentが最終的なセグメンテーション性能に果たす寄与度はいかほどか？

主な発見

• P-MambaはPSAXデータセットでDiceスコア0.9221、A4Cデータセットで0.9046を達成し、比較したすべてのSOTA手法を上回った。
• 推論時間を23.49 msに短縮し、パラメータ数は183.37M、GPUメモリ使用量は12.22 GBにとどめ、PVT や MaxViT などのモデルと比較して顕著な効率性の優位性を示した。
• アブレーションスタディにより、DWTベースのPMDブロックを削除するとPSAXでDiceスコアが0.0028低下することが確認され、ノイズ抑制とエッジ忠実性へのその重要性が裏付けられた。
• MambaブロックをViTベースのモデル（例：PVT、Flatten Transformer）に置き換えた場合、精度が低下したため、Mambaの優れたモデリング能力が示された。
• 単純なソーベル演算子よりもDWTベースのPMDブロックが優れた性能を示し、ノイズ抑制のための拡散機構の必要性が確認された。
• PSAXでは精度（0.9316）と再現率（0.9128）が高く維持されており、誤検出および見逃し検出に対するロバスト性が示された。