[論文レビュー] Relation Networks for Optic Disc and Fovea Localization in Retinal Images

Sudharshan Chandra Babu, Shishira R Maiya+1 more|arXiv (Cornell University)|Nov 23, 2018

Retinal Imaging and Analysis参考文献 14被引用数 12

ひとこと要約

本論文は、網膜画像における視神経乳頭および中心窪の幾何学的・外見的関係をモデル化することで、同時に検出および局所化する関係ネットワークベースのフレームワークを提案し、視神経乳頭と中心窪の中心局所化においてそれぞれ26.12ピクセルおよび43.46ピクセルの平均ユークリッド距離を達成し、最先端の性能を発揮した。

ABSTRACT

Diabetic Retinopathy is the leading cause of blindness in the world. At least 90\% of new cases can be reduced with proper treatment and monitoring of the eyes. However, scanning the entire population of patients is a difficult endeavor. Computer-aided diagnosis tools in retinal image analysis can make the process scalable and efficient. In this work, we focus on the problem of localizing the centers of the Optic disc and Fovea, a task crucial to the analysis of retinal scans. Current systems recognize the Optic disc and Fovea individually, without exploiting their relations during learning. We propose a novel approach to localizing the centers of the Optic disc and Fovea by simultaneously processing them and modeling their relative geometry and appearance. We show that our approach improves localization and recognition by incorporating object-object relations efficiently, and achieves highly competitive results.

研究の動機と目的

• 視神経乳頭と中心窪の内在的な幾何学的および外見的関係をモデル化することで、網膜画像における視神経乳頭および中心窪の中心局所化の精度を向上させること。
• 従来の手法が空間相関を活用せずに視神経乳頭と中心窪を独立して検出するという限界を是正すること。
• 関係に敏感なオブジェクト検出と座標回帰ヘッドを組み合わせたマルチステージフレームワークを構築すること。
• 関係に基づく推論が、解剖学的構造が空間的に相関する医療画像処理タスクに一般化可能であることを示すこと。

提案手法

• 視神経乳頭と中心窪を同時に検出するため、ResNet-101バックボーンを用いた関係ネットワークを採用し、空間的幾何と外見をモデル化する注目メカニズムを備えたオブジェクト関係を統合する。
• 関係モジュールに幾何的重み成分を導入することで、相対的な空間的位置に注目し、平行移動および回転不変性を確保する。
• 二段階パイプラインを採用：第一段階では関係ネットワークが両構造のバウンディングボックスを予測し、第二段階ではこれらのボックスからの画像クロップを、バッチ正規化を施した二層のCNN回帰器に供給する。
• 従来のNMS（非最大抑制）の代わりに、軽量な関係モジュールを導入することで、重複ボックスの抑制を改善し、検出のロバスト性を向上させる。
• 一般化性能を向上させるために、平行移動、ねじれ、スケーリング、水平反転を含むデータ拡張を適用する。
• コントラスト強調にはCLAHEを用い、学習用に画像を512×512にダウンサンプリングする。最終的な予測は、評価のため元の解像度（4288×2848）にリスケーリングする。

実験結果

リサーチクエスチョン

• RQ1 視神経乳頭と中心窪の幾何学的および外見的関係をモデル化することで、網膜画像における検出および局所化精度が向上するか？
• RQ2 関係ネットワークによる統合的推論は、視神経乳頭と中心窪を独立して検出する手法と比較して、局所化精度にどのように差をつけるか？
• RQ3 オブジェクト同士の関係を組み込むことで、直接座標回帰に用いるResNet-18およびResNet-50ベースラインと比較して、局所化誤差はどの程度低減されるか？
• RQ4 提案手法は、画像品質や解剖学的ばらつきが大きい実世界の網膜画像データセットにも一般化可能か？

主な発見

• 関係ネットワーク回帰器は、IDRiDテストセットにおいて、視神経乳頭中心局所化で平均ユークリッド距離26.12ピクセル、中心窪中心局所化で43.46ピクセルを達成した。
• 視神経乳頭局所化において、ResNet-18（80.48ピクセル）およびResNet-50（60.32ピクセル）のベースラインを上回り、関係推論の利点を実証した。
• 関係ネットワークは、IoUしきい値50:95における平均平均精度（mAP）69.4を達成し、優れた検出性能を示した。
• IDRiD局所化チャレンジのリーダーボードにおいても、非常に競争力のある結果を達成し、中心窪局所化で1位の手法（45.89ピクセル）を上回った（43.46ピクセル）。
• 関係モジュールの導入により、視神経乳頭と中心窪の間で統合的推論が可能になり、誤検出が減少し、局所化の一貫性が向上した。
• 関係モジュールのアブレーション実験により、独立した検出と比較して、空間的関係をモデル化することで認識性能が顕著に向上することが確認された。