[論文レビュー] Pi-PE: A Pipeline for Pulmonary Embolism Detection using Sparsely Annotated 3D CT Images

Deepta Rajan, David Beymer+2 more|arXiv (Cornell University)|Oct 4, 2019

Venous Thromboembolism Diagnosis and Management被引用数 10

ひとこと要約

本論文は、3D CTスキャンにおける肺塞栓症（PE）検出のための2段階、2次元畳み込みニューラルネットワーク（2D CNN）ベースのパイプラインを提案する。本手法は、10 mm間隔での希釈アノテーションのみを用い、高価で時間がかかる密度的なラベル付けを回避する。マスク生成に文脈拡張U-Netを、分類に2次元Conv-LSTMと複数インスタンス学習（MIL）を組み合わせ、パrameter数がたった317万で、高重症度PEにおいてSOTAのAUC 0.85を達成した。

ABSTRACT

Pulmonary embolisms (PE) are known to be one of the leading causes for cardiac-related mortality. Due to inherent variabilities in how PE manifests and the cumbersome nature of manual diagnosis, there is growing interest in leveraging AI tools for detecting PE. In this paper, we build a two-stage detection pipeline that is accurate, computationally efficient, robust to variations in PE types and kernels used for CT reconstruction, and most importantly, does not require dense annotations. Given the challenges in acquiring expert annotations in large-scale datasets, our approach produces state-of-the-art results with very sparse emboli contours (at 10mm slice spacing), while using models with significantly lower number of parameters. We achieve AUC scores of 0.94 on the validation set and 0.85 on the test set of highly severe PEs. Using a large, real-world dataset characterized by complex PE types and patients from multiple hospitals, we present an elaborate empirical study and provide guidelines for designing highly generalizable pipelines.

研究の動機と目的

• 臨床現場で高コストかつ時間がかかる密度的なラベル付けを必要としない、正確で効率的かつ耐性のあるPE検出パイプラインの開発を目的とする。
• 肺血管における非対称的かつ不規則な外観を示す微細で亜セグメンタルなPEを同定することが難しいという課題に対処することを目的とする。
• 多施設の現実世界データセットで用いられる多様な画像プロトコルや再構成カーネルに対しても良好に動作する汎用性の高いパイプラインの設計を目的とする。
• 大規模な3D CNNが広範な事前学習を必要とするのとは対照的に、モデルの複雑さとパrameter数を低減しつつ、高い性能を維持することを目的とする。
• PEのような稀な、または検出が難しい病変のための、効果的でスケーラブルかつ耐性のある医療画像解析パイプラインを構築するための実証的ガイドラインを提供することを目的とする。

提案手法

• 2段階のパイプラインを採用する：第1段階では、希釈アノテーションからマスク生成を行う文脈拡張U-Netを用い、局所化の正確性を向上させる。
• 入力CTボリュームと予測マスクを乗算してマスク処理されたボリュームを生成し、これを第2段階の分類に供給する。
• 第2段階では2次元Conv-LSTMモデルを用い、3次元ボリュームをインスタンスのバッグとして扱い、2Dスライスの系列を処理する。
• 複数インスタンス学習（MIL）を適用し、スライス間の特徴をアグリゲートすることで、少なくとも1つの陽性インスタンスが存在するかどうかに基づいてPEを検出できるようにする。
• クラス不均衡に対処するため、ファーコス損失を用いて学習を行うことで、希少な陽性例の性能が向上する。
• U-Netにおける文脈拡張により、隣接スライスからの空間的および文脈的情報を組み込むことで、特徴学習が強化される。

実験結果

リサーチクエスチョン

• RQ1 2段階の2D CNNパイプラインは、密度的なラベル付けを要せずしてSOTAのPE検出性能を達成できるか？
• RQ2 提案手法は、多様なCT再構成カーネルや、異なる画像プロトコルを有する多施設データセットに対し、どのように一般化するか？
• RQ3 モデルアーキテクチャ、パrameter数、訓練損失の影響は、検出性能と耐性にどのように現れるか？
• RQ4 特に検出が難しい亜セグメンタルおよびセグメンタルPEに対して、性能はどのように変動するか？
• RQ5 低データ環境下において、文脈拡張とMILは、検出性能にどの程度向上効果をもたらすか？

主な発見

• 高重症度PEにおいて、検証セットでAUC 0.94、テストセットでAUC 0.85を達成し、SOTAの性能を示した。
• 低重症度PE（亜セグメンタルおよびセグメンタルタイプ）においてもAUC 0.70を達成し、その微細さにもかかわらず検出可能であることを示した。
• CT再構成カーネルの変動に対しても耐性があり、全カーネルタイプでAUC 0.78を維持した。非標準カーネルに対しても同様に高い性能を示した。
• パrameter数はたったの317万（前例のSOTAモデルPENetの2840万と比較して顕著に少ない）であり、多様で現実世界のデータにおいても、PENetを上回る性能を示した。
• MIL設定におけるインスタンス数（T）を25から100に増加させると、性能が着実に向上した。これは、より長い系列モデリングの利点を示している。
• バイナリクロスエントロピー損失ではなくファーコス損失を用いることで、クラス不均衡のデータセット、特に希少なPE症例において性能が向上した。