[論文レビュー] Regression and Learning with Pixel-wise Attention for Retinal Fundus Glaucoma Segmentation and Detection

Peng Liu, Ruogu Fang|arXiv (Cornell University)|Jan 6, 2020

Retinal Imaging and Analysis参考文献 9被引用数 5

ひとこと要約

本稿では、画素単位のアテンションと回帰を用いて精度を向上させるために、X-Unetを用いた視神経乳頭および杯のセグメンテーションと、アトリウス空間的プールリング（ASPP）を組み込んだ畳み込みベースの分類器を提案する。セグメンテーションを平均絶対誤差損失（MAE）を用いた画像回帰として扱い、スイープ・アテンションブロックとアトリウス空間的プールリングを統合することで、REFUGEチャレンジにおいて、セグメンテーションで8位、分類で2位という最先端の性能を達成した。

ABSTRACT

Observing retinal fundus images by an ophthalmologist is a major diagnosis approach for glaucoma. However, it is still difficult to distinguish the features of the lesion solely through manual observations, especially, in glaucoma early phase. In this paper, we present two deep learning-based automated algorithms for glaucoma detection and optic disc and cup segmentation. We utilize the attention mechanism to learn pixel-wise features for accurate prediction. In particular, we present two convolutional neural networks that can focus on learning various pixel-wise level features. In addition, we develop several attention strategies to guide the networks to learn the important features that have a major impact on prediction accuracy. We evaluate our methods on the validation dataset and The proposed both tasks' solutions can achieve impressive results and outperform current state-of-the-art methods. extit{The code is available at \url{https://github.com/cswin/RLPA}}.

研究の動機と目的

• 異なる画像デバイスや取得条件による網膜後極部画像の高いばらつきに対処するため。
• 画素単位の特徴学習を用いた深層学習により、緑内障の検出および視神経乳頭／杯のセグメンテーション精度を向上させるため。
• 回帰ベースのセグメンテーションとアテンション機構により、低レベルの画素単位特徴に注目することで、過学習とドメインシフトを克服するため。
• 臨床現場における多様な画像品質および解像度に対応できる耐性のあるモデルを開発するため。

提案手法

• X-Unetを提案する。これは、生の画素情報を保持し、過学習を低減するための3本の入力ブランチを持つ、マルチインプットU-Netの変種である。
• グローバルな文脈に基づいてチャネル単位の特徴を動的に再キャリブレーションするため、スイープ・アテンションブロックを統合する。これにより特徴表現が向上する。
• 画素単位の分類ではなく、平均絶対誤差（MAE）損失を用いた画像回帰としてセグメンテーションを扱い、低レベルの画素単位特徴を保持する。
• 空間的特徴を保持したまま、複数スケールの文脈的特徴を抽出するため、変更されたDeepLab+3アーキテクチャにアトリウス畳み込みとASPPを採用する。
• 特徴マップをグローバル平均プーリングと全結合層を用いて、分類のための緑内障リスク確率に変換する。
• データオーグメンテーション（回転、反転）とDE-Netを用いたROIクロッピングを適用し、入力パッチを標準化し、一般化性能を向上させる。

実験結果

リサーチクエスチョン

• RQ1 MAE損失を用いた画像回帰としてのセグメンテーションは、標準的な分類手法と比較して画素単位の精度を向上させることができるか？
• RQ2 スイープ・アテンションブロックのようなアテンション機構は、緑内障セグメンテーションの特徴表現を向上させるのにどの程度有効か？
• RQ3 アトリウス畳み込みとASPPによる複数スケール特徴抽出は、品質がばらつきのある後極部画像における緑内障分類性能を向上させることができるか？
• RQ4 マルチインプットアーキテクチャとROIクロッピングは、トレーニングデータとバリデーションデータ間のドメインシフトをどの程度低減できるか？

主な発見

• バリデーションセットでは、セグメンテーションモデルが平均視神経杯Diceスコア0.8498、平均視神経乳頭Diceスコア0.9433を達成し、REFUGEチャレンジで8位となった。
• 分類モデルはバリデーションセットでAUC 0.9708、感度0.95を達成し、チャレンジで2位となった。
• トレーニングセットのAUCは1.0、感度100%に達しており、過学習の可能性を示唆していたが、慎重なデータ前処理とモデルアンサンブルにより是正された。
• 回帰ベースのセグメンテーションにMAE損失を用いることで、低レベルの画素特徴が保持され、標準的な分類手法と比較して予測精度が向上した。
• スイープ・アテンションブロックの統合により、グローバルな文脈に基づいて情報量の多いチャネルを効果的に強調することで、特徴学習が向上した。
• DE-Netを用いたROIクロッピングと複数スケールの入力リサイズにより、トレーニング画像とバリデーション画像間の分散が低減され、モデルの耐性が向上した。