[論文レビュー] Retinal Optic Disc Segmentation using Conditional Generative Adversarial Network

Vivek Kumar Singh, Hatem A. Rashwan+8 more|arXiv (Cornell University)|Jun 11, 2018

Retinal Imaging and Analysis参考文献 10被引用数 19

ひとこと要約

本論文は、U-Netに類似したエンコーダ・デコーダ型ジェネレータにスキップ接続を組み込み、境界の正確性を向上させるための条件付き生成対抗ネットワーク（cGAN）を提案する。この手法は最先端の性能を達成し、DRISHTI GS1でJaccard指数0.96、RIM-ONEで0.93を記録。それぞれDiceスコアは0.97および0.98であり、GPU上で1秒未塔の時間で画像をセグメンテーションする。

ABSTRACT

This paper proposed a retinal image segmentation method based on conditional Generative Adversarial Network (cGAN) to segment optic disc. The proposed model consists of two successive networks: generator and discriminator. The generator learns to map information from the observing input (i.e., retinal fundus color image), to the output (i.e., binary mask). Then, the discriminator learns as a loss function to train this mapping by comparing the ground-truth and the predicted output with observing the input image as a condition.Experiments were performed on two publicly available dataset; DRISHTI GS1 and RIM-ONE. The proposed model outperformed state-of-the-art-methods by achieving around 0.96% and 0.98% of Jaccard and Dice coefficients, respectively. Moreover, an image segmentation is performed in less than a second on recent GPU.

研究の動機と目的

• retinal fundus画像におけるoptic discの正確かつ効率的なセグメンテーションを実現する深層学習ベースの手法を開発すること。
• 緑内障やその他の網膜疾患の診断に不可欠な、正確なoptic disc境界検出の課題に対処すること。
• 入力fundus画像から現実的なテクスチャおよび構造的特徴を学習することで、セグメンテーション品質を向上させるために条件付きGANを活用すること。
• 多様なデータセットにわたるセグメンテーション精度および耐性の面で、既存の最先端手法を上回ること。
• 最新のGPUハードウェアを活用して、臨床応用に適したリアルタイム推論を可能にすること。

提案手法

• 提案されたフレームワークは、エンコーダ・デコーダアーキテクチャに基づくジェネレータネットワークを有する条件付きGANであり、バッチ正規化およびLeakyReLU活性化関数を組み込んでいる。
• エンコーダとデコーダの対応する層の間にスキップ接続を実装し、空間的詳細を保持するとともに特徴学習を強化している。
• ジェネレータは、トランスポジット畳み込みを用いたアップサンプリングと、最終層におけるシグモイド活性化関数を用いて、入力retinal fundus画像を二値のoptic discセグメンテーションマスクに変換する。
• ディスクラミネータネットワークは、入力画像を条件として、生成されたセグメンテーションマスクの現実性を評価し、正解マスクと比較する。
• 全体の訓練目的は、バイナリクロスエントロピー損失と対抗損失を組み合わせたものであり、ジェネレータが正解と区別がつかないマスクを生成するよう促進する。
• 標準的なデータ増強および最適化技術を用いて、DRISHTI GS1およびRIM-ONEの2つの公開データセット上で、エンド・ツー・エンドにモデルを訓練している。

実験結果

リサーチクエスチョン

• RQ1 既存の深層学習手法と比較して、条件付きGANフレームワークが優れたoptic discセグメンテーション性能を達成できるか？
• RQ2 対抗訓練およびスキップ接続の導入が、セグメンテーション精度および境界の正確性に与える影響はいかほどか？
• RQ3 提案されたcGANが、画像品質やoptic discの外観にばらつきのある多様な網膜画像データセットにどの程度一般化可能か？
• RQ4 高精度を維持しつつ、リアルタイム臨床応用に適した推論速度を達成できるか？
• RQ5 対抗部が、optic discの微細な構造的特徴を学習する能力を向上させるか？

主な発見

• 提案されたcGANモデルは、DRISHTI GS1データセットでJaccard指数0.96、Dice係数0.97を達成し、すべてのベースライン手法を上回った。
• RIM-ONEデータセットでは、Jaccard指数0.93、Dice係数0.98を記録し、データセット間での強力な一般化能力を示した。
• DRISHTI GS1では、正答率0.98、感度0.98、特異度0.99を記録し、高い全体的なセグメンテーション信頼性を示した。
• 推論時間は、最新のGPU上で1画像あたり1秒未塔であり、リアルタイム実現可能性を確認した。
• 図4の定性的な結果から、cGANが生成したマスクは正解に非常に近く、境界が明確で正確であり、FCN、SegNet、U-Netを上回っている。
• 定量的指標および視覚的品質の両面で、U-NetおよびShankaranarayanaら、Zillyらの手法を含む最先端のアプローチを上回った。