[論文レビュー] Polyp Segmentation in Colonoscopy Images Using Fully Convolutional Network

Mojtaba Akbari, Majid Mohrekesh+5 more|arXiv (Cornell University)|Feb 1, 2018

Colorectal Cancer Screening and Detection被引用数 135

ひとこと要約

この論文は結腸鏡画像のポリープセグメンテーションのためのCNNベースの手法を提案し、新しいトレーニングパッチ選択戦略と確率マップの後処理を特徴とし、CVC-ColonDBデータセットでセグメンテーション精度を向上させる。

ABSTRACT

Colorectal cancer is a one of the highest causes of cancer-related death,\nespecially in men. Polyps are one of the main causes of colorectal cancer and\nearly diagnosis of polyps by colonoscopy could result in successful treatment.\nDiagnosis of polyps in colonoscopy videos is a challenging task due to\nvariations in the size and shape of polyps. In this paper we proposed a polyp\nsegmentation method based on convolutional neural network. Performance of the\nmethod is enhanced by two strategies. First, we perform a novel image patch\nselection method in the training phase of the network. Second, in the test\nphase, we perform an effective post processing on the probability map that is\nproduced by the network. Evaluation of the proposed method using the\nCVC-ColonDB database shows that our proposed method achieves more accurate\nresults in comparison with previous colonoscopy video-segmentation methods.\n

研究の動機と目的

• 結腸鏡検査におけるポリープの正確なセグメンテーションを動機づけ、結腸直腸がんの早期発見を支援する。
• 結腸鏡画像のポリープセグメンテーションに特化した畳み込みニューラルネットワークアプローチを開発する。
• 学習を改善する新しいトレーニングパッチ選択法を導入する。
• ネットワークの確率マップに後処理を適用して最終セグメンテーションを強化する。
• 標準データセット上で従来の結腸鏡ビデオセグメンテーション技術と比較して手法を評価する。

提案手法

• 結腸鏡画像におけるポリープセグメンテーションのためにCNNを使用する。
• 学習効率と性能を向上させる新しい画像パッチ選択法をトレーニング中に提案する。
• 推論時にネットワークが作成した確率マップに効果的な後処理を適用しセグメンテーションを洗練させる。
• CVC-ColonDBデータベースで手法を評価し、従来の方法と比較する。

実験結果

リサーチクエスチョン

• RQ1 CNNベースのフレームワークは、従来法より結腸鏡画像のポリープのセグメンテーション精度を向上させることができるか。
• RQ2 トレーニング時のターゲットを絞った画像パッチ選択はセグメンテーション性能を改善するか。
• RQ3 推論時の確率マップの後処理は最終的なセグメンテーション結果を改善しますか。

主な発見

• 提案手法は、CVC-ColonDBにおける従来の結腸鏡ビデオセグメンテーション法と比較してより正確な結果を達成します。
• 新規の画像パッチ選択戦略を用いた訓練は学習効果を高めます。
• 推論時のネットワーク確率マップの後処理がセグメンテーション成果の改善に寄与します。