[論文レビュー] Recurrent U-net for automatic pelvic floor muscle segmentation on 3D ultrasound

Frieda van den Noort, Beril Sırmaçek+1 more|arXiv (Cornell University)|Jul 29, 2021

Pelvic floor disorders treatments参考文献 48被引用数 4

ひとこと要約

本論文は、3次元経会陰超音波（TPUS）ボリュームにおける挙動筋（LAM）の自動セグメンテーションのための3次元的文脈学習を可能にするために、2次元U-Netに畳み込み型長短期記憶（CLSTM）ユニットを統合した再帰的U-Net（RU-Net）アーキテクチャを提案する。この手法は、人間の同一観察者による手動セグメンテーションと同等のセグメンテーション性能を達成し、3次元TPUSデータにおいて標準的な2次元U-Netよりも顕著な改善を示している。

ABSTRACT

The prevalance of pelvic floor problems is high within the female population. Transperineal ultrasound (TPUS) is the main imaging modality used to investigate these problems. Automating the analysis of TPUS data will help in growing our understanding of pelvic floor related problems. In this study we present a U-net like neural network with some convolutional long short term memory (CLSTM) layers to automate the 3D segmentation of the levator ani muscle (LAM) in TPUS volumes. The CLSTM layers are added to preserve the inter-slice 3D information. We reach human level performance on this segmentation task. Therefore, we conclude that we successfully automated the segmentation of the LAM on 3D TPUS data. This paves the way towards automatic in-vivo analysis of the LAM mechanics in the context of large study populations.

研究の動機と目的

• 骨盤底機能障害の研究に不可欠な、3次元経会陰超音波（TPUS）ボリュームにおける挙動筋（LAM）の正確な3次元的セグメンテーションの課題に対処すること。
• ノイズが多くコントラストが低い超音波データにおいて、3次元的構造のセグメンテーションに不可欠なスライス間の文脈的情報を捉えることができない2次元U-Netの限界を克服すること。
• スライス間の時間的類似の再帰的構造を活用して、3次元TPUSデータにおけるセグメンテーションの頑健性と正確性を向上させる深層学習アーキテクチャを開発すること。
• 人間の同一観察者変動と同等のセグメンテーション性能を達成することで、LAM力学に関する大規模な臨床研究の信頼性を高めること。

提案手法

• 3次元TPUSボリューム内のスライス間の順序的依存関係をモデル化するために、選択された畳み込み層を畳み込み型長短期記憶（CLSTM）ユニットに置き換えることで、2次元U-Netアーキテクチャを変更した。
• 3次元的文脈特徴を保持および伝達するために、U-Netのエンコーダーおよびデコーダー経路の複数の空間的解像度レベルにCLSTM層を統合した。
• 手動でセグメンテーションされたLAMアノテーション付きの3次元TPUSボリュームを用いて、Adam最適化アルゴリズム（デフォルトのハイパーパrameterを用いる）でネットワークをエンドツーエンドに訓練した。
• 訓練の安定性を向上させるために、特定の順序（軸方向ビューでは上から下へ）でスライスを入力した。これにより、学習を妨げる解剖学的曲がりを回避した。
• 転移学習の可能性を検討し、ある方向（例：軸方向）から別の方向（例：矢状方向）に再訓練したが、収束が速くなった一方で、過学習のリスクが高くなった。
• クラスの不均衡を解消するためのデータサンプリングを回避したが、筋肉を含むスライスを二重にトレーニングすることで収束がわずかに早まった。

実験結果

リサーチクエスチョン

• RQ1 2次元スライスからの3次元的文脈的情報を効果的に学習できるように、CLSTM層を統合した2次元U-Netアーキテクチャは、3次元TPUSデータにおけるLAMセグメンテーションに有効であるか？
• RQ2 提案された再帰的U-Net（RU-Net）は、3次元TPUSボリュームにおいて人間の同一観察者変動と同等のセグメンテーション性能を達成するか？
• RQ3 高ノイズ・低コントラストな3次元超音波データに適用した場合、CLSTMユニットの統合が標準的な2次元U-Netに比べてセグメンテーション正確性をどのように向上させるか？
• RQ4 スライスの順序付けやトレーニング戦略（例：転移学習）は、RU-Netモデルの収束性および一般化性能にどのような影響を与えるか？
• RQ5 RU-Netモデルは異なる画像撮影方向（軸方向、冠状方向、矢状方向）に一般化可能か？また、ある方向が優れた結果をもたらすか？

主な発見

• 提案された再帰的U-Net（RU-Net）は、人間の同一観察者による手動セグメンテーションと同等のセグメンテーション性能を達成し、高い信頼性と臨床的関連性を示した。
• CLSTM層の統合により、3次元TPUSデータにおけるスライス間の文脈的依存関係をモデル化できるようになったため、標準的な2次元U-Netに比べてセグメンテーション正確性が顕著に向上した。
• ネットワークは異なる撮影方向においても頑健な性能を示し、特に矢状方向が最も優れた結果をもたらした。これは、矢状方向がより特徴的な3次元的情報を含んでいる可能性を示唆している。
• 学習率に非常に敏感であり、わずかな変更で訓練の失敗や収束不良が生じた。これは、ハイパーパrameterの慎重なチューニングの必要性を強調している。
• ある方向から別の方向に再訓練することで収束が早くなったが、トレーニングの確率的性質により過学習のリスクが高くなった。これは、転移学習におけるトレードオフを示している。
• クラスの不均衡を解消するためのデータサンプリングは不要であり、モデルはそれを用いずとも良好な性能を達成した。ただし、筋肉を含むスライスを二重にトレーニングすることで、トレーニング速度がわずかに向上した。