[論文レビュー] RepVGG-GELAN: Enhanced GELAN with VGG-STYLE ConvNets for Brain Tumour Detection

Thennarasi Balakrishnan, Sandeep Singh Sengar|arXiv (Cornell University)|May 6, 2024

Brain Tumor Detection and Classification被引用数 4

ひとこと要約

本稿では、脳腫瘍検出における精度と効率の向上を図るために、VGGスタイルの再パラメータ化畳み込み（RepVGG）と一般化効率的レイヤー統合ネットワーク（GELAN）を統合したYOLOベースの物体検出モデル、RepVGG-GELANを提案する。このモデルは、医療画像データセットにおいて98.2%の精度と97.0%のAP50を達成し、RCS-YOLOやYOLOv8を上回る性能を発揮している。計算量は240.7 GFLOPs、パラメータ数は25.4百万個にとどまる。

ABSTRACT

Object detection algorithms particularly those based on YOLO have demonstrated remarkable efficiency in balancing speed and accuracy. However, their application in brain tumour detection remains underexplored. This study proposes RepVGG-GELAN, a novel YOLO architecture enhanced with RepVGG, a reparameterized convolutional approach for object detection tasks particularly focusing on brain tumour detection within medical images. RepVGG-GELAN leverages the RepVGG architecture to improve both speed and accuracy in detecting brain tumours. Integrating RepVGG into the YOLO framework aims to achieve a balance between computational efficiency and detection performance. This study includes a spatial pyramid pooling-based Generalized Efficient Layer Aggregation Network (GELAN) architecture which further enhances the capability of RepVGG. Experimental evaluation conducted on a brain tumour dataset demonstrates the effectiveness of RepVGG-GELAN surpassing existing RCS-YOLO in terms of precision and speed. Specifically, RepVGG-GELAN achieves an increased precision of 4.91% and an increased AP50 of 2.54% over the latest existing approach while operating at 240.7 GFLOPs. The proposed RepVGG-GELAN with GELAN architecture presents promising results establishing itself as a state-of-the-art solution for accurate and efficient brain tumour detection in medical images. The implementation code is publicly available at https://github.com/ThensiB/RepVGG-GELAN.

研究の動機と目的

• 効率的なYOLOベースの物体検出器を医療画像解析、特に脳腫瘍検出に応用する分野におけるギャップを埋めること。
• 深層学習を用いて脳腫瘍検出における検出精度と計算効率を向上させること。
• RepVGGの再パラメータ化畳み込みアーキテクチャとGELANを統合し、特徴抽出と推論速度を向上させること。
• 限られた計算リソースを備えた臨床現場での導入に適した軽量かつ高性能なモデルを開発すること。

提案手法

• 推論時に複数の畳み込みパスを1つの同等な畳み込みに統合する再パラメータ化畳み込みアーキテクチャであるRepVGGを統合したYOLOフレームワークを採用する。
• マルチスケール特徴マップ間での特徴統合と階層的表現学習を向上させるために、一般化効率的レイヤー統合ネットワーク（GELAN）を統合する。
• 受容 field を拡大し、スケール変動に強い性能を発揮させるために、GELANモジュール内に空間的金字塔プール（SPP）を採用する。
• アンカーフリー予測を採用する単段階検出ヘッドを用い、クラススコアにはシグモイド活性化関数、ボクシングボックス座標の回帰ヘッドにはシグモイド関数を適用する。
• 推論時に残差型ブロックを1つの畳み込み層に変換する構造的再パラメータ化を適用し、FLOPsを削減して推論を高速化する。
• アンカーボックスの必要性を排除するため、簡素化されたダウンサンプリングモジュールと最適化された予測ヘッドを最適化する。

実験結果

リサーチクエスチョン

• RQ1 RepVGGとGELANを統合することで、既存のYOLOベースのモデルと比較して、脳腫瘍検出における検出精度と速度が向上するか？
• RQ2 医療画像データにおいて、RepVGG-GELANアーキテクチャは、さまざまなIoU閾値において、精度、再現率、mAPの観点でどのように性能を発揮するか？
• RQ3 再パラメータ化畳み込みの使用が、検出性能を損なわせることなく、計算コストをどの程度低減できるか？
• RQ4 パラメータ数とFLOPsの観点から、RCS-YOLO や YOLOv8 といった最先端モデルと比較して、このモデルはどのように差をつけるか？
• RQ5 RepVGGコンponentが、RepVGG-GELANモデル全体の性能向上に果たす貢献度はどの程度か？

主な発見

• RepVGG-GELANは98.2%の精度を達成し、ベースラインのRCS-YOLOモデルと比較して4.91%の向上を示した。
• AP50スコアは97.0%に達し、最新の既存手法と比較して2.54%の上昇を示し、IoU=0.5における優れた局所化精度を示した。
• RCS-YOLO（94.5%）と比較して再現率がわずかに低下（89.0%）したものの、mAP50:95は72.3%を維持し、高い検出性能を発揮した。
• 計算量は240.7 GFLOPs、パラメータ数は25.4百万個にとどまり、高い計算効率を示し、リアルタイム導入に適している。
• アブレーションスタディの結果、RepVGGの導入により、GELANオンリーモデルの精度96.4%から98.2%に上昇し、誤検出の低減に寄与することが検証された。
• パラメータ数が少なく、FLOPsも低い一方で、RCS-YOLOおよびYOLOv8を上回る精度とAP50性能を発揮した。これにより、脳腫瘍検出分野における最先端ソリューションとしての地位を確立した。