[論文レビュー] Region-based Convolution Neural Network Approach for Accurate Segmentation of Pelvic Radiograph

Ata Jodeiri, Reza A. Zoroofi+5 more|arXiv (Cornell University)|Oct 29, 2019

Medical Imaging and Analysis参考文献 21被引用数 4

ひとこと要約

本論文は、ImageNetからの転移学習とデータ拡張を活用して、困難な解剖的変異に対応する能力を向上させる、マスクR-CNNに基づくマルチタスク学習フレームワークを提案する。この手法は、同じデータ拡張およびファインチューニング戦略を用いた同一の訓練条件下で、U-Netを著しく上回り、0.96のDICE係数を達成した。

ABSTRACT

With the increasing usage of radiograph images as a most common medical imaging system for diagnosis, treatment planning, and clinical studies, it is increasingly becoming a vital factor to use machine learning-based systems to provide reliable information for surgical pre-planning. Segmentation of pelvic bone in radiograph images is a critical preprocessing step for some applications such as automatic pose estimation and disease detection. However, the encoder-decoder style network known as U-Net has demonstrated limited results due to the challenging complexity of the pelvic shapes, especially in severe patients. In this paper, we propose a novel multi-task segmentation method based on Mask R-CNN architecture. For training, the network weights were initialized by large non-medical dataset and fine-tuned with radiograph images. Furthermore, in the training process, augmented data was generated to improve network performance. Our experiments show that Mask R-CNN utilizing multi-task learning, transfer learning, and data augmentation techniques achieve 0.96 DICE coefficient, which significantly outperforms the U-Net. Notably, for a fair comparison, the same transfer learning and data augmentation techniques have been used for U-net training.

研究の動機と目的

• 重度の解剖的変形を示す患者におけるレントゲン画像における正確な仙骨骨分類の課題に対処すること。
• U-Netが複雑な仙骨形状や低コントラスト構造を処理する際の限界を克服すること。
• 多様な仙骨形態にわたる一般化性能に優れた、強固なディープラーニングベースの分類フレームワークを開発すること。
• 転移学習とデータ拡張が、医療画像分類性能に与える影響を評価すること。

提案手法

• 仙骨骨のインスタンス分類に、領域ベースの畳み込みニューラルネットワーク（マスクR-CNN）アーキテクチャを採用する。
• 転移学習を可能にするために、事前学習済みImageNetモデルを用いてネットワーク重みを初期化する。
• 医療画像特徴に適応するため、仙骨レントゲン画像データセット上でモデルをファインチューニングする。
• 訓練中にデータ拡張技術を適用し、モデルのロバスト性と一般化性能を向上させる。
• 境界ボックス検出とマスク予測の両方を同時に最適化するため、マルチタスク学習を採用する。
• 分類精度を定量化するために、標準的な評価指標（DICE係数など）を用いる。

実験結果

リサーチクエスチョン

• RQ1 マスクR-CNNのような領域ベースのCNNは、レントゲン画像における仙骨骨分類精度において、U-Netを上回ることができるか？
• RQ2 大規模な非医療分野のデータセットからの転移学習は、限られた医療画像データにおいて分類性能をどのように向上させるか？
• RQ3 データ拡張は、複雑な仙骨形状において、どの程度モデルの一般化性能を向上させるか？
• RQ4 マスクR-CNNにおけるマルチタスク学習は、単一タスクのU-Netと比較して、よりロバストで正確な分類を可能にするか？
• RQ5 同じ訓練プロトコルを適用した場合、マスクR-CNNとU-Netの両者に、提案手法の技術的特徴がどのように影響を与えるか？

主な発見

• 提案されたマスクR-CNN手法は、同じ訓練条件下で0.96のDICE係数を達成し、U-Netを著しく上回った。
• ImageNetからの転移学習の活用により、仙骨レントゲン画像におけるモデルの収束性と分類精度が向上した。
• データ拡張技術の適用により、重度の解剖的変形を示す困難な症例においても、モデルのロバスト性が向上した。
• マスクR-CNNにおけるマルチタスク学習により、検出と分類の共同最適化が可能になり、局所化精度および境界精度が向上した。
• 同じデータ拡張および転移学習プロトコルを用いて訓練した場合、U-Netは提案手法よりも低いDICEスコアを示した。これにより、領域ベースのアプローチの優位性が確認された。